我正在使用sklearn的{{1}}创建数据的训练集和测试集。
我的脚本在下面：
train_test_split运行它，我得到以下信息：
C：\ Users \ jerry \ Desktop> python test.py（6262，）（6262，253）追溯 （最近一次通话最近）：文件“ test.py”，位于第37行 knn.fit（train_data，train_classes）文件“ C：\ Python367-64 \ lib \ site-packages \ sklearn \ neighbors \ base.py”，行 872，适合 X，y = check_X_y（X，y，“ csr”，multi_output = True）文件“ C：\ Python367-64 \ lib \ site-packages \ sklearn \ utils \ validation.py”，行 729，在check_X_y中 check_consistent_length（X，y）文件“ C：\ Python367-64 \ lib \ site-packages \ sklearn \ utils \ validation.py”，行 205，以check_consistent_length表示 “样本：％r”％[长度为l的int（l）]）ValueError：找到样本数量不一致的输入变量：[4383，1879]
因此，看来我的import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn import neighbors
# function to perform one hot encoding and dropping the original item
# in this case its the part number
def encode_and_bind(original_dataframe, feature_to_encode):
dummies = pd.get_dummies(original_dataframe[[feature_to_encode]])
res = pd.concat([original_dataframe, dummies], axis=1)
res = res.drop([feature_to_encode], axis=1)
return(res)
# read in data from csv
data = pd.read_csv('export2.csv')
# one hot encode the part number
new = encode_and_bind(data, 'PART_NO')
# create the labels, or field we are trying to estimate
label = new['TOTAL_DAYS_TO_COMPLETE']
# remove the header
label = label[1:]
# create the data, or the data that is to be estimated
thedata = new.drop('TOTAL_DAYS_TO_COMPLETE', axis=1)
# remove the header
thedata = thedata[1:]
print(label.shape)
print(thedata.shape)
# # split into training and testing sets
train_data, train_classes, test_data, test_classes = train_test_split(thedata, label, test_size = 0.3)
# create a knn model
knn = neighbors.KNeighborsRegressor()
# fit it with our data
knn.fit(train_data, train_classes)
和X具有相同的行数（6262），但列数却不同，因为我认为Y应该是您要预测的标签或值的一列。
如何使用Y给我提供可以用于KNN回归器的训练和测试数据集？
答案 0 :(得分：2)
据我所知，您已经切换了train_test_split的输出。
该函数按顺序返回：训练功能，测试功能，训练标签，测试标签。
常见的命名约定是X_train, X_test, y_train, y_test=...，其中X是要素（列或要素），而y y是目标（标签或我假设是您的代码）
您似乎想让它返回，X_train, y_train, X_test, y_test
尝试一下，看看它是否对您有用：
train_data, test_data, train_classes, test_classes = train_test_split(thedata, label, test_size = 0.3)