我如何修复重塑我的数据集以进行交叉验证？
How do i fix reshaping my dataset for cross validation?
x_train:(153347,53)
x_test:(29039,52)
y:(153347,)
我正在使用 sklearn。为了交叉验证和重塑我的数据集，我做了：
x_train, x_test, y_train, y_test = cross_validation.train_test_split(
x, y, test_size=0.3)
x_train = np.pad(x, [(0,0)], mode='constant')
x_test = np.pad(x, [(0,0)], mode='constant')
y = np.pad(y, [(0,0)], mode='constant')
x_train = np.arange(8127391).reshape((-1,1))
c = x.T
np.all(x_train == c)
x_test = np.arange(1510028).reshape((-1,1))
c2 = x.T
np.all(x_test == c2)
y = np.arange(153347).reshape((-1,1))
c3 = x.T
np.all(y == c3)
我的错误消息is:ValueError：找到样本数量不一致的数组：[2 153347]
我不确定在这种情况下是否需要填充我的数据集，并且重塑不起作用。关于如何解决这个问题的任何想法？
有了我们在这里看到的一点点，我相信对 cross_validation.train_test_split 的调用会转储，因为两个向量的长度不重合。因此，对于每个 X（我们观察到的数据元组），您都需要一个 Y（作为结果观察到的数据点）。
至少这会导致上面显示的错误。
你绝对应该改进问题的表述。非常喜欢。
问候，fricke
x_train:(153347,53)
x_test:(29039,52)
y:(153347,)
我正在使用 sklearn。为了交叉验证和重塑我的数据集，我做了：
x_train, x_test, y_train, y_test = cross_validation.train_test_split(
x, y, test_size=0.3)
x_train = np.pad(x, [(0,0)], mode='constant')
x_test = np.pad(x, [(0,0)], mode='constant')
y = np.pad(y, [(0,0)], mode='constant')
x_train = np.arange(8127391).reshape((-1,1))
c = x.T
np.all(x_train == c)
x_test = np.arange(1510028).reshape((-1,1))
c2 = x.T
np.all(x_test == c2)
y = np.arange(153347).reshape((-1,1))
c3 = x.T
np.all(y == c3)
我的错误消息is:ValueError：找到样本数量不一致的数组：[2 153347]
我不确定在这种情况下是否需要填充我的数据集，并且重塑不起作用。关于如何解决这个问题的任何想法？
有了我们在这里看到的一点点，我相信对 cross_validation.train_test_split 的调用会转储，因为两个向量的长度不重合。因此，对于每个 X（我们观察到的数据元组），您都需要一个 Y（作为结果观察到的数据点）。
至少这会导致上面显示的错误。
你绝对应该改进问题的表述。非常喜欢。
问候，fricke