如何解决ValueError:模型的特征数必须与输入匹配决策树
嗨,有什么办法可以修复值错误并绘制正确的图表吗?
这是我的代码:
from sklearn import tree
dt_clf = tree.DecisionTreeClassifier()
dt_clf.fit(X_train,y_train)
print(dt_clf.score(X_test,y_test))
X_train.shape
y_train.shape
X_test.shape
y_test.shape
dt_clf.predict(np.array([6,3,5.5,1]).reshape(1,4))
import matplotlib.pyplot as plt
fig,ax = plt.subplots(dpi=500)
tree.plot_tree(dt_clf,fontsize=3)
plt.show()
解决方法
正如错误所说,您已经创建了一个具有 784 个特征的模型。所以你需要在使用 predict
dt_clf.predict(np.array([6,3,5.5,1]).reshape(1,4))
这里的 NumPy 数组应该是 (1,784)
或者你可以调整fit
,只使用4个特征,所以X_train
将是(60000,4)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。