Scikit Learn - ValueError：操作数无法一起广播

Posted 2023-03-11

【中文标题】Scikit Learn - ValueError：操作数无法一起广播

【英文标题】：Scikit Learn - ValueError: operands could not be broadcast together

【发布时间】：2017-11-21 19:54:55

【问题描述】：

我正在尝试在数据集上应用 Gaussian Naive Bayes 模型来预测疾病。当我使用训练数据进行预测时，它运行正确，但是当我尝试使用测试数据进行预测时，它给出了ValueError。

runfile('D:/ROFI/ML/心脏病/prediction.py', wdir='D:/ROFI/ML/心脏病') Traceback（最近一次调用最后一次）：

文件“”，第 1 行，在 runfile('D:/ROFI/ML/Heart Disease/prediction.py', wdir='D:/ROFI/ML/Heart Disease')

文件“C:\Users\User\Anaconda3\lib\site-packages\spyder\utils\site\sitecustomize.py”，第 866 行，在运行文件中 execfile(文件名，命名空间)

文件“C:\Users\User\Anaconda3\lib\site-packages\spyder\utils\site\sitecustomize.py”，第 102 行，在 execfile exec（编译（f.read（），文件名，'exec'），命名空间）

文件“D:/ROFI/ML/Heart Disease/prediction.py”，第 85 行，在 预测（x_train，y_train，x_test，y_test）

文件“D:/ROFI/ML/Heart Disease/prediction.py”，第 73 行，在 predict predict_data = model.predict(x_test)

文件“C:\Users\User\Anaconda3\lib\site-packages\sklearn\naive_bayes.py”，第 65 行，在预测中 jll = self._joint_log_likelihood(X)

文件“C:\Users\User\Anaconda3\lib\site-packages\sklearn\naive_bayes.py”，第 429 行，在 _joint_log_likelihood n_ij -= 0.5 * np.sum(((X - self.theta_[i, :]) ** 2) /

ValueError: 操作数不能与形状一起广播 (294,14) (15,)

这里有什么问题？

import pandas
from sklearn import metrics
from sklearn.preprocessing import Imputer
from sklearn.naive_bayes import GaussianNB    

def load_data(feature_columns, predicted_column):

    train_data_frame = pandas.read_excel("training_data.xlsx")
    test_data_frame = pandas.read_excel("testing_data.xlsx")
    data_frame = pandas.read_excel("data_set.xlsx")

    x_train = train_data_frame[feature_columns].values
    y_train = train_data_frame[predicted_column].values

    x_test = test_data_frame[feature_columns].values
    y_test = test_data_frame[predicted_column].values

    x_train, x_test = impute(x_train, x_test)

    return x_train, y_train, x_test, y_test


def impute(x_train, x_test):

    fill_missing = Imputer(missing_values=-9, strategy="mean", axis=0)

    x_train = fill_missing.fit_transform(x_train)
    x_test = fill_missing.fit_transform(x_test)

    return x_train, x_test


def predict(x_train, y_train, x_test, y_test):

    model = GaussianNB()
    model.fit(x_train, y_train.ravel())

    predicted_data = model.predict(x_test)
    accuracy = metrics.accuracy_score(y_test, predicted_data)
    print("Accuracy of our naive bayes model is : %.2f"%(accuracy * 100))

    return predicted_data


feature_columns = ["age", "sex", "chol", "cigs", "years", "fbs", "trestbps", "restecg", "thalach", "exang", "oldpeak", "slope", "ca", "thal", "num"]
predicted_column = ["cp"]

x_train, y_train, x_test, y_test = load_data(feature_columns, predicted_column)

predict(x_train, y_train, x_test, y_test)

注意：两个文件的列数相同。

【问题讨论】：

你能发布完整的堆栈跟踪吗？

@EFT 我已经发布了完整的回溯。顺便说一句，我刚刚发现 Imputer 正在删除一列，因为它完全由缺失值组成。有什么办法可以防止吗？

这里没有人拥有您与read_excel("training_data.xlsx") 一起使用的文件。你能用公共数据集重现这个问题吗？

删除列似乎会造成您所看到的不匹配。您可以尝试预先填写该列，或者稍后将其添加回来。文档scikit-learn.org/stable/modules/generated/… 似乎没有提供一种保持空白的方法。我想您至少可以通过在您当前提供给它的数组的转置上使用Imputer(..., axis=1) 来让它在发生这种情况时给出错误。

@MD.KhairulBasar 这很好，很有意义。由于您在其他人发布它之前就找到了它，因此最好将其添加为答案并在可能的情况下接受它，以便将来遇到此错误的任何人都可以在单击找到解决方案之前看到，并且然后在不挖掘 cmets 的情况下找出它是什么。

【参考方案1】：

我发现了错误。由于Imputer 而发生错误。 Imputer 替换数据集中的缺失值。但是，如果任何列完全由缺失值组成，则它会删除该列。在测试数据集中，我有一列完全缺失的数据。所以，Imputer 正在删除它，因此形状与训练数据不匹配，这就是错误的原因。刚刚从充满缺失值的feature_columns 列表中删除了列名并且它起作用了。