如何使用 python 训练 SVM？

Question

我正在尝试在只有两列的数据集上训练 SVM，例如：

1 4.5456436
0 2.4353453
1 3.5435636
1 5.4235354
0 1.4235345

我试过：

x = np.array([[1],[0],[1],[1]])
y = np.array([[4.5456436],[2.4353453],[3.5435636],[5.4235354]])

clf = svm.SVC()
clf.fit(y,x)

对于这些行它工作正常，但是当我从数据集文件导入数组时出现问题，我得到一个错误：

ValueError: The number of classes has to be greater than one; got 1

虽然两种情况下的输出和类型是一样的

从数据集代码导入的数据是：

def read(dir):
    x = []
    y = []
    with open(dir) as f:
        lines = f.readlines()
    for i in range(len(lines)):
        x.append(lines[i][0]);y.append(lines[i][1:])
    x = np.array([[int(i)] for i in x])
    y = np.array([[float(i)] for i in y])

任何建议，提前致谢。

Answer 1

将评论作为答案发布以关闭问题。

错误是target中只有一种类型的class（标签）。看，在您上面发布的示例中 (x = np.array([[1],[0],[1],[1]]))，有两个类别要 classify (0和 1).

但是当您从文件导入数据集时，目标只有所有可用样本的类别类型。请检查从您的文件加载的数组。

如何使用 python 训练 SVM？

How to train SVM using python?

python

svm

scikit-learn