Question

我有一个数据集＆＃34; x＆＃34;及其标签矢量＆＃34; y＆＃34;。我想在应用NaiveBayes和交叉验证后绘制每个属性（对于＆＃34; x＆＃34;的每一列）的准确性。我想要一个条形图。所以最后我需要3个酒吧，因为＆＃34; x＆＃34;有3列。分类必须运行3次。每个功能有3种不同的准确度。

每当我执行我的代码时，它会显示：
ValueError：找到样本数不一致的数组：[1 3] 弃用警告：传递1d数组作为数据在0.17中被弃用，并且在0.19中将ValueError用于表示。如果您的数据具有单个要素，则使用X.reshape（-1,1）重新整形数据;如果包含单个样本，则使用X.reshape（1，-1）重新整形数据。

我做错了什么？

    import matplotlib.pyplot as plt
    import numpy as np
    from sklearn import cross_validation
    from sklearn.naive_bayes import GaussianNB
    clf = GaussianNB()

    x = np.array([[0, 0.51, 0.00101], [3, 0.54, 0.00105], [6, 0.57, 0.00108], [9, 0.60, 0.00111], [1, 0.73, 0.00114], [5, 0.76, 0.00117], [8, 0.89, 120]])
    y = np.array([1, 0, 0, 1, 1, 1, 0])

   scores = list()
   scores_std = list()
   for i in range(x.shape[1]): 
   xA=x[:, i]
   scoresKF2 = cross_validation.cross_val_score(clf, xA, y, cv=2)
   scores.append(np.mean(scoresKF2))
   scores_std.append(np.std(scoresKF2))
   plt.bar(x[:,i], scores)

plt.show()

Answer 1

检查输入数据的形状xA，向我们显示它是1维的 - 具体来说，它是(7,)形状。正如警告告诉我们的那样，您不能在这里传入1d数组。在返回的警告中解决此问题的关键如果数据具有单个特征，则使用X.reshape（-1,1）重塑数据，如果包含单个特征，则使用X.reshape（1，-1）重塑数据样品。因此，由于它只是一个功能，请执行此xA = x[:,i].reshape(-1, 1)而不是xA = x[:,i]。

我认为绘图存在另一个问题。我不完全确定您期望看到的内容，但您应该将plt.bar(x[:,i], scores)替换为plt.bar(i, np.mean(scoresKF2))。

如何为数组的每个要素绘制精度条

1 个答案: