ValueError: Inconsistent number of samples when using sklearn on defaultdict

Question

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

DeprecationWarning：传递一维数组作为数据在 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) 或如果它包含单个样本，则使用 X.reshape(1, -1) 重塑您的数据。

和

ValueError：找到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

正如警告所建议的那样，我尝试了很多 reshape()、flatten()、ravel() 的不同组合，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

Answer 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，而是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)

ValueError: Inconsistent number of samples when using sklearn on defaultdict

ValueError: Inconsistent number of samples when using sklearn on defaultdict

python

csv

defaultdict

scikit-learn