SVM 错误的输入形状

如何解决SVM 错误的输入形状

我创建了一个数据集，然后将数据拆分为训练集和测试集。

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,Y,test_size = 0.20)

当我尝试使用以下代码实现 SVM 分类器时：

from sklearn.svm import SVC
svc_classifier = SVC(kernel='rbf')
svc_classifier.fit(X_train,y_train)

X_train.shape 和 y_train.shape 都是 (160,2)。 当我运行最后一部分时，我得到了 ValueError: bad input shape (160,2) 错误。我知道我的训练和测试样本的大小必须相同。但我想知道是否有办法处理这个问题。谢谢！

解决方法

这是你想要的代码 -

import numpy as np
import matplotlib.pyplot as plt

from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

std = [[0.5,0],[0,0.5]]
X1 = np.vstack((
    np.random.multivariate_normal([2,-2],std,size=200),np.random.multivariate_normal([-2,2],size=200)
))
y1 = np.zeros(X1.shape[0])

X2 = np.vstack((
    np.random.multivariate_normal([2,size=200)
))
y2 = np.ones(X2.shape[0])

X = np.vstack((X1,X2))
y = np.hstack((y1,y2))

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.20)
svc_classifier = SVC(kernel='rbf',gamma='auto')
svc_classifier.fit(X_train,y_train)

您用来创建数据的原始代码只是将 Y 作为名称。它不应该代表标签。您需要单独创建标签。