无论在 scikit-learn 中使用列表还是 numpy 数组，结果都不同

Posted 2023-03-12

【中文标题】无论在 scikit-learn 中使用列表还是 numpy 数组，结果都不同

【英文标题】：Results differ whether using a list or a numpy array in scikit-learn

【发布时间】：2013-07-14 12:21:15

【问题描述】：

我有一个数据集 data 和一个标记数组 target，我用它在 scikit-learn 中使用 k-最近邻算法构建了一个监督模型。

neigh = KNeighborsClassifier()
neigh.fit(data, target)

我现在可以使用这个模型对我的学习集进行分类。获取分类分数：

neigh.score(data, target)

现在我的问题是这个分数取决于target 对象的类型。

如果是python列表，即使用list()创建并填写target.append()，则score方法返回0.68。 如果是numpy数组，使用target = np.empty(shape=(length,1), dtype="S36")创建（只包含36个字符的字符串），填入target[k] = value，score方法返回0.008。

为了确定结果是否真的不同，我创建了列出结果的文本文件

for k in data:
    neigh.predict(k)

在每种情况下。结果是一样的。 什么可以解释分数差异？

【问题讨论】：

如果只将数组的形状指定为（长度）会怎样？那么它的形状将是（长度，）而不是（长度，1）？

@Harel，谢谢！这解决了问题。但我真的不明白为什么，你是怎么想的？

没有什么比经验... 一维大小 = 1 的二维数组和一维数组之间的 numpy 存在差异。虽然它们经常可以互换使用，但它们并不相同，在这种情况下，这种细微的差异会产生问题。要求对我的原始评论投赞成票是否合乎道德？ :)

@Harel，很愿意，但没有足够的声誉来投票......！

【参考方案1】：

@Harel 发现了问题，下面是解释：

np.empty(shape=(length, 1), dtype="S36")

创建一个形状错误的数组。 scikit-learn 估计器几乎总是需要一维数组，即shape=length。这不会引发异常这一事实是一种疏忽。