我的训练矩阵X有形状(518219231),y是一个长度为5182的1和0的列表。我的测试矩阵有形状(4965477)。我把它们保存在单独的pickle文件中。这是我的代码:
def read(pklFile1):
f=open(pklFile1, 'rb')
Y = cPickle.load(f)
f.close()
return Y
if __name__ == '__main__':
X=read("results/train_feature.pkl")
y=read("results/train_label.pkl")
test=read("results/test_feature.pkl")
target=read("test_label.pkl")
clf=LogisticRegression()
clf=clf.fit(X, y)
predicted= clf.predict(test)
accuracy=np.mean(predicted == target)
print accuracy
运行代码时,在运行predicted = clf.predict(test)
:
ValueError: X has 5477 features per sample; expecting 19231
我怎样才能修好它?在
你训练了一个关于19231个特征的linar模型,但是想要预测一些只有5477个特征的新样本。这不是线性模型的工作原理(或大多数分类器)。功能的数量必须相同!在
你的线性模型由19231个变量的线性组合组成,它只对5477个变量起作用?如果某些变量在预测过程中未知,您可以对其进行插补(例如设置为零或均值),但即使是这种方法也需要知道变量的精确映射。列车中的哪个变量对应于预测中的哪个变量。在
相关问题 更多 >
编程相关推荐