अरे, मैं अपने मशीन लर्निंग प्रोजेक्ट नमूने में Label Encoder और Onehotencoder का उपयोग कर रहा हूं, लेकिन कोड को उस हिस्से में निष्पादित करते समय एक त्रुटि दिखाई दी जहां Onehotencoder निष्पादित किया गया था और त्रुटि Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample. थी और मेरे फीचर कॉलम में केवल दो विशेषताएं हैं Negative या Positive

इस त्रुटि संदेश का क्या अर्थ है और मैं इसे कैसे ठीक करूं

#read data set from excel 
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

dataset = pd.read_csv('diab.csv')
feature=dataset.iloc[:,:-1].values
lablel=dataset.iloc[:,-1].values

#convert string data to binary 
#transform sting data in lablel column to decimal/binary 0 /1
from sklearn.preprocessing import LabelEncoder,OneHotEncoder

lab=LabelEncoder()
lablel=lab.fit_transform(lablel)
onehotencoder=OneHotEncoder()
lablel=onehotencoder.fit_transform(lablel).toarray()



#create trainning model and test it 
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(feature,lablel,test_size=0.30)



#fitting SVM to trainnong set 
from sklearn.svm import SVC
classifier=SVC(kernel='linear',random_state=0)
classifier.fit(x_train,y_train)

y_pred=classifier.predict(x_test)


#making the confusion matrix 
from sklearn.metrics import confusion_matrix
cm=confusion_matrix(y_test, y_pred)

from sklearn.neighbors import KNeighborsClassifier

my_classifier=KNeighborsClassifier()

my_classifier.fit(x_train,y_train)
prediction=my_classifier.predict(x_test)

print(prediction)


from sklearn.metrics import accuracy_score
print (accuracy_score(y_test,prediction))

plot=plt.plot((prediction), 'b', label='GreenDots')
plt.show()
-1
Abdo Omar 6 जिंदा 2020, 03:19

1 उत्तर

सबसे बढ़िया उत्तर

मुझे संदेह है कि समस्या यह है कि आपके पास 2 संभावित लेबल हैं और उन्हें अलग मान के रूप में मान रहे हैं। SVM का आउटपुट आमतौर पर एक मान होता है, इसलिए आपके लेबल को प्रत्येक नमूने के लिए एक मान होना चाहिए। लेबल को एक हॉट वेक्टर में मैप करने के बजाय, इसके बजाय केवल 1 के एक मान का उपयोग करें जब लेबल सकारात्मक हो और जब लेबल नकारात्मक हो तो 0 के मान का उपयोग करें।

0
Nick Larsen 7 जिंदा 2020, 12:24