KNN

Question

我正在使用来自 Kaggle - Cardiovascular Disease Dataset 的数据集。该模型已经过训练，我想做的是标记单个输入（一行 13 个值）以动态方式插入。

数据集的形状是 13 个特征 + 1 个目标，66k 行

#prepare dataset for train and test
dfCardio = load_csv("cleanCardio.csv")
y = dfCardio['cardio']
x = dfCardio.drop('cardio',axis = 1, inplace=False)
model = knn = KNeighborsClassifier()
x_train,x_test, y_train, y_test = train_test_split(x,y,test_size=0.2,random_state=42)
model.fit(x_train, y_train)
# make predictions for test data
y_pred = model.predict(x_test)
predictions = [round(value) for value in y_pred]
# evaluate predictions
accuracy = accuracy_score(y_test, predictions)
print("Accuracy: %.2f%%" % (accuracy * 100.0))

机器学习训练好了，我想做的是预测这一行的标签：

['69','1','151','22','37','0','65','140','90','2','1','0','0','1']

到 return 0 或 1 表示目标。所以我写了这段代码：

import numpy as np
import pandas as pd
single =  np.array(['69','1','151','22','37','0','65','140','90','2','1','0','0','1'])
singledf = pd.DataFrame(single)
final=singledf.transpose()
prediction = model.predict(final)
print(prediction)

但它给出错误：查询数据维度必须匹配训练数据维度

如何修复单行的标签？为什么我无法预测单个病例？

Answer 1

数据集中的每个实例都有 13 个特征和 1 个标签。

x = dfCardio.drop('cardio',axis = 1, inplace=False)

代码中的这一行删除了我认为是数据中的标签列，只留下 (13) 个特征列。

您尝试预测的特征向量有 14 个元素长。您只能预测 13 个元素长的特征向量，因为这是训练模型的基础。

Answer 2

如果您正在寻找一个真正快速的解决方案，您可以使用这个

import numpy as np
import pandas as pd
single =  np.array([['69','1','151','22','37','0','65','140','90','2','1','0','0']])
prediction = model.predict(single)
print(prediction)

Answer 3

我不同意其他人的意见，这不是包含目标的问题。
我也有这个问题。我绕过它的唯一方法是输入 x.

的一部分

所以：

x2=x.iloc[0:3]

然后给第一行一个新值：

x2.iloc[0]=single 

ypred=model.predict(x2)

然后看看 ypred[0]。

或尝试使用具有 2 个值的数据框

KNN - 预测 python 中的单个案例

KNN - Predict a single case in python

python

machine-learning

prediction

data-science