我正在尝试在我的火车和测试数据集上运行SVM RBF回归。
[svm = SVC(kernel='rbf', random_state=0 , C=C, gamma=0.9)
svm.fit(NewX , NewY)]
svm.predict中，它给了我这个错误
“ValueError：除了之外的所有输入数组维度 连接轴必须完全匹配“
调用预测方法：
[Z = svm.predict(np.c_[NX_Test.ravel(),NY_Test.ravel()])
Z = Z.reshape(NX_Test.shape)]
数据格式：
我的训练数据集是80个输入示例的列表，其中每个示例都是100个样本的信号）
我的测试数据是20个输入示例的列表，其中每个示例也是一个由100个样本组成的信号）
答案 0 :(得分：0)
您是否检查过所有训练样本的尺寸是否匹配？
SVM 需要样本（特征向量）具有相同的维度。 考虑 libSVM 格式中的以下特征向量：
1:0.2 2:0.4 3:1.0 4:0.07 5:0.3
第一个值表示索引和第二个关联值。此向量的维度为5，因此，您的所有其他要素向量必须与此维度匹配才能进行训练。训练后，您要预测的矢量也必须与此维度完全匹配。因此，请验证是否满足此约束。