Question

我将LIBSVM格式的数据输入到SciPy稀疏矩阵中。训练集是多标签和多级的，如我问的这个问题所述： Understanding format of data in scikit-learn

from sklearn.datasets import load_svmlight_file
X,Y = load_svmlight_file("train-subset100.csv.csv", multilabel = True, zero_based = True)

然后我使用OneVsRestClassifier和LinearSVC来训练数据。

clf = OneVsRestClassifier(LinearSVC())
clf.fit(X, Y)

现在，当我想测试数据时，我会执行以下操作。

X_, Y_ = load_svmlight_file("train-subset10.csv", multilabel = True, zero_based = False)
predicted = clf.predict(X_)

这里给我错误。我把原型转移到这里。

追踪（最近一次呼叫最后一次）：

文件“test.py”，第36行，

预测= clf.predict（X _）

文件“/usr/lib/pymodules/python2.7/sklearn/multiclass.py”，第151行，预测

return predict_ovr（self.estimators_，self.label_binarizer_，X）

文件“/usr/lib/pymodules/python2.7/sklearn/multiclass.py”，第67行，在predict_ovr中

Y = np.array（估算器中e的[_ predict_binary（e，X）]）

文件“/usr/lib/pymodules/python2.7/sklearn/multiclass.py”，第40行，在_predict_binary中

返回np.ravel（estimator.decision_function（X））

文件“/usr/lib/pymodules/python2.7/sklearn/svm/base.py”，第728行，在decision_function中

self._check_n_features（X）

文件“/usr/lib/pymodules/python2.7/sklearn/svm/base.py”，第748行，_check_n_features

X.shape [1]））

ValueError：X.shape [1]应为3421，而不是690。

我不明白为什么当输入格式是稀疏矩阵时它会寻找更多功能？如何才能正确预测测试标签呢？

Answer 1

我自己解决了这个问题。问题是使用SVMLIGHT / LIBSVM格式逐个加载数据集要求训练矩阵具有相同大小的特征集。所以有两种解决方法。一种是使用load_svmlight_files命令一次输入所有数据。

X,Y,X_,Y_ = load_svmlight_files("train-subset100.csv", "train-subset10.csv",... 

multilabel = True, zero_based = False)

其次，您可以明确提及功能的数量。

X,Y=load_svmlight_file("train-subset100.csv",multilabel=True, zero_based = False)
X_,Y_ = load_svmlight_file("train-subset10.csv", n_features = X.shape[1],... 
multilabel = True, zero_based = False, )

SciPy稀疏矩阵中的测试数据预测误差

1 个答案: