ValueError：在 defaultdict 上使用 sklearn 时样本数不一致

Posted 2023-03-12

【中文标题】ValueError：在 defaultdict 上使用 sklearn 时样本数不一致

【英文标题】：ValueError: Inconsistent number of samples when using sklearn on defaultdict

【发布时间】：2016-11-14 03:43:10

【问题描述】：

我正在读取 .csv 文件中的列作为 sklearn 朴素贝叶斯拟合的输入。但是，我遇到了这些错误和警告：

DeprecationWarning：将一维数组作为数据传递在 0.17 中已弃用，并将在 0.19 中引发 ValueError。如果您的数据具有单个特征，则使用 X.reshape(-1, 1) 重塑您的数据，如果它包含单个样本，则使用 X.reshape(1, -1)。

和

ValueError：发现样本数量不一致的数组：[1 10509]

这是我的代码：

clf = GaussianNB()

columns = defaultdict(list)
with open('file.CSV', 'rb') as f:
    reader = csv.reader(f)
    for row in reader:
        for(i, v) in enumerate(row):
            columns[i].append(v)

clf.fit(columns[9], columns[10])

请注意，len(columns[9]) 和 len(columns[10]) 都是 10509

正如警告所暗示的，我尝试了许多不同的 reshape()、flatten()、ravel() 组合，还尝试使用 numpy 数组，但似乎没有任何效果。

有什么建议吗？似乎大多数人都在使用除 defaultdict 之外的某种数据结构，但我不确定如何使用其他数据结构从 .csv 中读取

【参考方案1】：

我找到了解决问题的方法。似乎问题不在于塑造数据结构，而在于将其设置为数字类型而不是字符串类型。

x = np.array(columns[9]).reshape(len(columns[10]), 1).astype(np.float)
y = np.array(columns[10])
clf.fit(x, y)