如何用数组训练分类器？

Question

我想使用 decision tree classifier 来预测一些事情。

如您所见：

from sklearn import tree

sample1 = [120,1]
sample2 = [123,3]
features = [sample1,sample2]

labels = [0,1] 

clf = tree.DecisionTreeClassifier()
clf = clf.fit(features, labels)

我有两个样本：

示例一：[120,1] 我标记为 0
样本二: [123,3] 我标记为 1

到目前为止一切顺利。

但是现在，我想使用数组来训练，而不是这个样本，例如：

features = [[120,120.2][1, 1.2]]

此样本的相应标签是：

label = [1]

所以我的代码应该是：

from sklearn import tree

features = [[120,120.2][1, 1.2]]

labels = [1] 

clf = tree.DecisionTreeClassifier()
clf = clf.fit(features, labels)

我得到以下 error：

类型错误：列表索引必须是整数，而不是元组

我知道分类器需要一个整数列表，而不是元组。解决方案可能是：

features = [[120, 120.2, 1, 1.2]]

labels = [1]

但我不想混淆数据，因为我将它们分别放入数组中。

有什么方法可以用数据数组训练我的分类器吗？

谢谢

Answer 1

不，您不能将这种格式用于您的数据，您需要将它们聚合到一个数组中。

expected shape 是 (n_samples, n_features).

它更合乎逻辑，因为一个示例是由一些特征描述的，并且通过使用预期的格式，它可以更好地描述您的数据。

如何用数组训练分类器？

How to train a classifier with an array of arrays?

decision-tree

python-2.7

scikit-learn