我正在尝试使用ECG数据构建二进制SVM分类器，以诊断睡眠呼吸暂停。使用16,000个奇数输入，我正在执行小波变换，手动提取HRV特征并将其存储在特征列表中，然后将此列表输入分类器。
在原始数据进行小波变换步骤进行预处理之前，这种方法可以很好地工作-变换后，功能列表中的某些值变为nan，这意味着我在以下代码行中遇到了此错误：
clf.fit(X_train, y_train)
ValueError: Input contains NaN, infinity or a value too large for dtype('float64').
所以我执行了这一步：
x = pd.DataFrame(data=X_train)
x=x[~x.isin([np.nan, np.inf, -np.inf]).any(1)]
解决了ValueError，但删除了“错误的”输入意味着X_train和y_train的形状不匹配：
clf.fit(x, y_train)
#error
Found input variables with inconsistent numbers of samples: [11255, 11627]
我正在努力找出如何从y_train中删除相应的值以匹配样本？还是有更好的方法呢？
如果您需要有关代码的更多信息，请告诉我。
答案 0 :(得分：2)
没有示例数据，就无法测试。但是，您正在测试X_train数据框中的有效数据。哪个好现在，您只需要删除相应的Y_train标签即可。像这样：
x = pd.DataFrame(data=X_train)
valid_indexes = ~x.isin([np.nan, np.inf, -np.inf]).any(1)
x=x[valid_indexes]
Y_train = Y_train[valid_indexes]
确保始终在测试X_train数据上的有效数据。我认为这是因为所有标签都是有效的。