ValueError:在将数据拟合到svm时使用序列设置数组元素
ValueError是Python中的一个异常类，表示数值错误。在这个问答内容中，它出现在将数据拟合到svm（支持向量机）时使用序列设置数组元素的情况下。
在机器学习中，支持向量机是一种常用的分类算法。它通过将数据映射到高维空间，并找到一个最优的超平面来实现分类。在使用支持向量机进行数据拟合时，需要将数据转换为适当的格式，以便算法能够处理。
在这个特定的错误中，出现了一个ValueError，可能是因为在将数据拟合到svm时，使用了一个序列来设置数组元素，但该序列的格式不正确。可能是序列的长度与数组的长度不匹配，或者序列中包含了无效的元素。
要解决这个问题，可以检查以下几个方面：
- 确保序列的长度与数组的长度匹配。可以使用len()函数来获取序列的长度，并与数组的长度进行比较。
- 检查序列中的元素是否符合svm算法的要求。svm算法通常要求输入数据是数值型的，并且进行了适当的预处理（例如特征缩放）。
- 确保序列中的元素没有缺失或无效值。可以使用numpy库的函数（例如numpy.isnan()）来检查数组中是否存在无效值。
关于svm算法的更多信息，以及腾讯云相关的产品和介绍链接，可以参考腾讯云的机器学习平台（https://cloud.tencent.com/product/tiia）或者腾讯云的人工智能平台（https://cloud.tencent.com/product/ai）。
请注意，以上答案仅供参考，具体的解决方法可能因实际情况而异。在实际应用中，建议参考相关文档和资源，以获得更准确和全面的解决方案。
相关·内容
我正在尝试在MNIST数据集上实现SVM分类器。由于我的参数是3维的，它抛出了以下错误：
ValueError: Found array with dim 3. Expected <= 2
以下是我的代码片段：
import mnist
from sklearn import svm
training_images, training_labels = mnist.load_mnist("training", digits = [1,2,3,4])
classifier = svm.SVC()
classifier.fit(training_images, traini
浏览 1提问于2015-10-16得票数 11
回答已采纳
1回答
我有40000个资产的时间序列。我将数据分为训练数据和目标数据。训练数据有119天的回报，目标数据有59天的回报。我故意把它分成这样。
列车：(119行返回，40000个不同系列)目标：(59行返回，相同的40000系列)
我运行了以下代码来适应模型：
SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose())
---------------------------------------------------------------
浏览 0提问于2015-10-30得票数 1
我一直在一个Java项目中使用libSVM，在对一个相当大的数据集进行培训之后，使用api中的函数将模型保存到一个文件中。后来，我尝试加载文件来做一些预测，但是每次调用svm.svm_predict函数时，我都会得到一个svm.svm_predict。我可以验证代码是否适用于一个较小的模型文件，但是对于这个更大的集合，代码总是失败的。以下是完整的错误消息：
Exception in thread "main" java.lang.NullPointerException
at libsvm.Kernel.dot(svm.java:213)
at libsvm.K
浏览 1提问于2016-12-05得票数 0
回答已采纳
我正在使用sklearn在我自己的图像集上应用svm。图像被放在一个数据帧中。我向fit函数传递了一个具有2D列表的numpy数组，这些2D列表表示图像，我传递给该函数的第二个输入是目标列表(目标是数字)。我总是收到这样的错误："ValueError:使用序列设置数组元素“。
trainingImages = images.ix[images.partID <=9]
trainingTargets = images.clustNo.ix[images.partID<=9]
trainingImages.reset_index(inplace=True,drop=True)
浏览 0提问于2016-03-20得票数 7
2回答
一维数组上的支持向量机
、、、
我在摆弄泰坦尼克号的数据集。我正在尝试使用以下代码将SVM应用于多个单独的功能：
quanti_vars = ['Age','Pclass','Fare','Parch']
imp_med = SimpleImputer(missing_values=np.nan, strategy='median')
imp_med.fit(titanic[['Age']])
for i in (X_train, X_test):
i[['Age']] = imp_med.transf
浏览 27提问于2019-11-29得票数 0
1回答
我使用np.array来转换列表，但是大小是不正确的。这是我的代码：
svm = create_SVM()
samples = np.array(train_data, dtype=np.float32)
response = np.array(labels, dtype=np.int32)
if samples.size != response.size:
raise ValueError(
f'sample.size != response.size!\nsample.size:{samples.size} r
浏览 4提问于2021-03-13得票数 0
回答已采纳
当我试图运行一个使用支持向量机的多输出分类器时，我陷入了一个错误。
测试集y_train_svm如下所示：
array([[1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 1],
...,
[1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 0, 1]], dtype=int8)
我已经通过np.unique(y_train_svm)检查了类的数量，后者返回了array([0, 1])。这意味着实
浏览 0提问于2022-01-14得票数 2
1回答
我目前正在从事一个支持向量机(SVM)项目。我正在研究的支持向量机版本是，我很难理解从哪里开始。
一般来说，我认为我理解这个理论；基本上，我需要在一定约束下最小化w的范数。而拉格朗日函数是我的目标函数，在应用拉格朗日乘子后，目标函数将被最小化。
我不明白的是，我的教授告诉我，我们将使用准牛顿方法和BFGS更新。我试过牛顿方法的二维和三维例子，我认为我对算法有很好的理解，但我不知道如何应用拟牛顿法来求系数α。另外，我所读到的许多文献都告诉我如何应用二次规划来找到系数。
拟牛顿迭代算法与求w.的系数有什么关系？二次规划与拟牛顿有何联系？有人能帮我看看发生了什么事吗？
浏览 2提问于2014-05-20得票数 1
回答已采纳
SVM = svm.SVC(C=1.0, kernel='linear', degree=3, gamma='auto')
SVM.fit(Train_X_Tfidf,Train_Y)
predictions_SVM = SVM.predict(Test_X_Tfidf)
print("SVM Accuracy Score -> ",accuracy_score(predictions_SVM, Test_Y)*100)
与错误: ValueError跟踪(最近一次调用) in () 1支持向量机= svm.SVC(C=1.0，内核=‘
浏览 1提问于2020-04-25得票数 0
我收到了一个错误：
ValueError: n_splits=3 cannot be greater than the number of members in each class.
在这一行：
gs_clf_svm = gs_clf_svm.fit(X, y)
y.shape
Out[148]: (6,)
y
Out[149]:
array(['Andheri East', 'Goregaon', 'Powai', 'Andheri East', 'Goregaon',
'Powai
浏览 0提问于2018-10-25得票数 1
回答已采纳
1回答
算法说明:基于未排序列表，我希望在另一个排序列表中找到值的索引。请注意，所有值都是唯一的，两个列表具有相同的值，只是顺序不同，例如：
# O(log n)
def binary_search(data, value):
n = len(data)
left = 0
right = n - 1
while left <= right:
middle = (left + right) / 2
if value < data[middle]:
right = middle - 1
el
浏览 0提问于2019-03-04得票数 0
回答已采纳
1回答
我是python的新手。在我的代码中，我试图从头开始实现支持向量机。代码之前有2个特性和2个类(1和-1)，每个类有6个实例，并且运行良好。我试图为9个特性和2个类(1和-1)实现相同的代码，其中有6个实例(每个类)，但它给了我一个值错误，我似乎无法修复它。我正在使用Python版本3.6.3谢谢您的帮助。
#This is my dictionary/dataset
data_dict = {-1: np.array([[1, 7, 4, 1, 9, 1, 5, 6, 7],
[2, 8, 6, 0, 8, 6, 8, 5, 2],
浏览 1提问于2019-03-26得票数 0
我是机器学习方面的新手，我发现python代码可以访问python中sklearn的SVM模型的结果。
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
from sklearn.datasets.samples_generator import make_blobs
X,y=make_blobs(n_samples=40,centers=2,random_state=20)
clf=svm.SVC(kernel='linear',C=1000)
clf.fit(X,y)
浏览 3提问于2021-05-30得票数 1
回答已采纳
这是一个非常基本的概念:我对训练有不止一个依赖。我的数据都是文本，我有三个独立的字段。我找到的每个示例都设置了如下文本数据：
data = ['text1','text2',...]
我的看上去像：
data = [['text1','text2','text3'],[...],...]
但是，当我试图适应这些数据时，我会得到以下跟踪：
ValueError Traceback (most recent call last)
<ipython-in
浏览 5提问于2014-07-25得票数 4
回答已采纳
我试图使用rfecv缩小与我的分类器真正相关的特征的数量。这是我写的代码
import sklearn
import pandas as p
import numpy as np
import scipy as sp
import pylab as pl
from sklearn import linear_model, cross_validation, metrics
from sklearn.svm import SVC
from sklearn.feature_selection import RFECV
from sklearn.metrics import zero_one_los
浏览 2提问于2013-11-27得票数 8
回答已采纳
1回答
我一直在尝试这个：
从dataset创建X特性和y依赖项
拆分数据集
使数据规范化
从Scikit学习中使用SVR进行培训
下面是使用填充随机值的熊猫数据的代码
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(20,5), columns=["A","B","C","D", "E"])
a = list(df.columns.values)
a.remove("A")
X = d
浏览 2提问于2015-01-11得票数 11
回答已采纳
下面是代码。
在尝试运行此文件时，我得到了ValueError:使用序列设置数组元素。
ValueError: setting an array element with a sequence.
我使用的是tensorflow 1.9
下面是我正在尝试运行的代码。
浏览 0提问于2018-10-27得票数 0
我正在尝试使用支持向量机，但当我使用熊猫数据框架时，我不知道如何拟合这个模型。如果我的数据是这样的：
df = pd.DataFrame({"x": ['011', '100', '111'] , "y": [0,1,0]})
df.x.apply(lambda x: np.array(list(map(int,x))))
>>>df
x y
0 [0, 1, 1] 0
1 [1, 0, 0] 1
2 [1, 1, 1] 0
如果我试着用这种方式
浏览 15提问于2017-10-04得票数 3
回答已采纳
2回答
我试图运行这个机器学习平台，并得到以下错误：
ValueError: X.shape[1] = 574 should be equal to 11, the number of features at training time
我的守则：
from pylab import *
from sklearn.svm import SVC
from sklearn.ensemble import RandomForestClassifier
import numpy as np
X = list ()
Y = list ()
validationX = list ()
validationY =
浏览 0提问于2016-09-27得票数 0
回答已采纳
2回答
我在从事年龄，性别评估项目。到目前为止，我已经尝试了用LBP (局部二值模式)+ SVM (支持向量机)来进行性别分类训练，但是在使用LBP+SVM时却得到了太多的假阳性，所以我尝试使用HOG (梯度直方图)+支持向量机，其准确率惊人地提高了90%，所以我只想把描述子的特征和训练SVM的特征结合起来使用。这方面的代码如下：
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
fd = hog(gray, orientations, pixels_per_cell, cells_per_block, visualize, normali
浏览 6提问于2017-01-04得票数 2
回答已采纳
我有一个非常大的数据集，我必须训练一个模型。我不知道Nan在哪里，也不知道缺失值在哪里。启动svm代码时出现错误。 df = pd.read_csv('Data.txt',delimiter=',')
df.head()
X = df[['a', 'b', 'c']].values
Y=df['Label'].values
cv = KFold(n_splits=2, random_state=42, shuffle=False)
for train_index, test_index
浏览 99提问于2021-02-25得票数 -1
回答已采纳
2回答
我完全搞不懂为什么我会得到这个错误。任何帮助都将不胜感激！
以下是错误信息：
plt.hist(count，range=20，color = 'red')中的文件"C:/Python27/Scripts/Lab08realdeal.py"，第23行
文件"C:\Python27\lib\site-packages\matplotlib\pyplot.py"，行2896，在hist stacked=stacked中，**kwargs)
文件"C:\Python27\lib\site-packages\matplotlib\axes_axes
浏览 0提问于2015-11-18得票数 0
import pickle
from sklearn import svm
from sklearn.svm import LinearSVC
import numpy
def train_svm(features, labels, reg_param, kernel_type):
clf = svm.SVC(C = reg_param, kernel = kernel_type)
svm_model = clf.fit(features, labels)
print("fitting model done!")
return s
浏览 1提问于2019-11-22得票数 1
1回答
我已经从我的列车数据集中的图像中提取了一些特征，然后我应用了这些特征，并将数据分割成了使用train_test_split的训练和测试。
Train data : (60, 772)
Test data : (20, 772)
Train labels: (60,)
Test labels : (20,)
接下来我要做的是将SVM分类器应用到测试数据集中的图像中，并查看结果。
# create the model - SVM
#clf = svm.SVC(kernel='linear', C=40)
clf = svm.SVC(kernel='rbf',
浏览 1提问于2019-02-27得票数 1
我试图用libsvm在Java中实现SVM分类器。我得到了以下错误：
Exception in thread "main" java.lang.NullPointerException
at libsvm.Kernel.dot(svm.java:213)
at libsvm.Kernel.kernel_function(svm.java:172)
at libsvm.SVC_Q.<init>(svm.java:1161)
at libsvm.svm.solve_c_svc(svm.java:1333)
at libsvm.svm.svm_train_one(svm.
浏览 5提问于2016-09-29得票数 0
回答已采纳
1回答
我知道软边距SVM有一个内置函数，如下所示。 from sklearn.svm import SVC
clf = SVC(C=1, kernel = 'linear')
clf.fit(X, y) 但是对于硬边距支持向量机，我们需要C=0，对吧？但是当我让C=0时，代码会报告错误ValueError: C <= 0。
浏览 21提问于2021-11-04得票数 0
回答已采纳
谁能用简单的方式向我解释这件事？为了您的方便，我包括了完整的代码。
我有这样的代码，它加载IRIS数据集并运行SVM：
from sklearn import svm
import pandas as pd
def prepare_iris_DS():
print("Loading iris DS...")
url = 'http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris = pd.read_csv(url, names=["
浏览 1提问于2016-12-13得票数 3
回答已采纳
1回答
我遵循这篇文章在我的数据上构建了一个SVM模型。
下面是我的数据示例：
问题是，当我运行代码时，出现了这个错误：
ValueError: could not convert string to float: '10/29/2020 8:30'
浏览 9提问于2021-02-17得票数 0
回答已采纳
这里的样本数据
我的数据有1024x1776列。这是我的密码
# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the dataset
dataset = pd.read_csv('14ns.csv')
X = np.array(dataset).ravel()
y = np.array(dataset).ravel()
浏览 2提问于2022-05-16得票数 1
使用sklearn SVC()，我将得到以下错误
import sklearn
from sklearn.datasets import load_iris
iris = load_iris()
X, y = iris.data, iris.target
from sklearn.svm import SVC
# create the model
mySVC = SVC()
# fit the model to data
mySVC.fit(X,y)
# test the model on (new) data
result = mySVC.predict([3, 5, 4, 2
浏览 3提问于2018-09-16得票数 0
我正在使用scikit learn进行一些数据分析，而我的数据集有一些缺失值(用NA表示)。我用genfromtxt和dtype='f8'加载数据，然后开始训练我的分类器。
RandomForestClassifier和GradientBoostingClassifier对象的分类很好，但从sklearn.svm使用SVC会导致以下错误：
probas = classifiers[i].fit(train[traincv], target[traincv]).predict_proba(train[testcv])
File "C:\Python27\lib
浏览 0提问于2012-07-12得票数 26
回答已采纳
#Import Library
from sklearn import svm
import numpy as np
X=np.array([
[[25,25,25],[0,0,0],[0,0,0]],
[[25,0,0],[25,0,0],[25,0,0]],
[[75,75,75],[75,75,75],[75,75,75]]
])
y=np.array([-1,1,1]
)
C=10
model = svm.SVC(kernel='rbf', C=10, gamma=0.6)
mode
浏览 0提问于2019-01-07得票数 1
回答已采纳
1回答
使用支持向量机对数据集进行建模
、、、、
我的工作是使用支持向量机(SVM)对数据集KDD 99进行建模。下面是我尝试的代码： from sklearn.model_selection import train_test_split
train,test=train_test_split(model,test_size=0.3)
train_x=train.iloc[:,:-1]
train_y=train.iloc[:,-1]
test_x=test.iloc[:,:-1]
test_y=test.iloc[:,-1]
from sklearn.svm import SVC
classifier= SVC() 当我使用这段代码时：
浏览 19提问于2019-02-07得票数 0
1回答
import numpy as np
import sklearn.svm as svm
这是我的核心函数
def my_kernel(p1, p2):
r = 1-np.dot(p1.T, p2)
return np.exp(-r**2/4)
和我的数据
X1 = np.random.random((50,5))
X1 = X1/np.sum(X1)
X1 = X1.T
Y1 = [0, 0, 1, 1, 1]
然后使用sklearn svm。
my_svm = svm.SVC(kernel=my_kernel)
my_svm.fit(X1,Y1)
it输出
SVC(C=1.
浏览 1提问于2015-10-02得票数 0
回答已采纳
我有一个包含3个表单的网页。每一个都有一个很大的元素列表( Input，select)。我们使用查询字符串在用户提交时更新页面，使用serialize函数并在URL中传递参数。在其中一种情况下，URL的长度超过了IE浏览器中允许的最大字符串长度。
现在，我计划将其更改为POST方法，并使用jQuery数组函数发送元素，因为服务器希望数据以数组的形式存在。
我在.serializeArray()函数上找不到足够的数据。我的页面中每个表单的.serializeArray()函数的输出可以组合在一起然后提交吗？有没有其他方法可以做这件事？
欢迎任何建议。
浏览 2提问于2012-03-19得票数 0
我使用GridSearchCV进行分类，我的代码是：
parameter_grid_SVM = {'dual':[True,False],
'loss':["squared_hinge","hinge"],
'penalty':["l1","l2"]
}
clf = GridSearchCV(LinearSVC(),param_grid=parameter_gri
浏览 9提问于2015-04-27得票数 6
您好，我是新手，一般情况下，scikit学习和数据科学。当我试图从我的向量化器中检索最具信息量的特征时，我遇到了上面的问题。我的代码(经过编辑以反映@Gang的评论)：
values = dataset.data
word_vectorizer = CountVectorizer(analyzer='word', stop_words=custom_stop_words)
trainset = word_vectorizer.fit_transform(values)
tags = ['dem','rep','dem','
浏览 3提问于2016-05-17得票数 1
1回答
我正在尝试使用scikit-learn svm来根据主题对电子邮件进行分类。但是，我无法从sklearn导入svm模块。我已经安装了sklearn。我得到的错误如下：
>>> from sklearn import svm
Traceback (most recent call last):
File "<pyshell#3>", line 1, in <module>
from sklearn import svm
File "C:\Python27\lib\site-packages\sklearn\svm
浏览 1提问于2014-01-14得票数 0
1回答
数据集包含的不仅仅是2500 rows和22 columns，还包括age column。我已经完成了SVR的所有过程。正在进行中。但我还是要面对一个错误。那是raise ValueError("bad input shape {0}".format(shape)), ValueError: bad input shape (977, 57)。我的输入是SupportVectorRefModel.fit(X_train, y_train)。我如何解决这个问题？
from sklearn.model_selection
import train_test_split
from
浏览 4提问于2020-05-18得票数 1
回答已采纳
1回答
抱歉，对sklearn来说还是个新手。我正在尝试使用外部数据集对文本字符串进行二进制分类来验证模型。我已经训练了模型，但希望将其用于不同大小的另一个数据集进行预测，而不是将数据包括在初始数据集拆分中。这有可能吗？ 初始拆分 vectorizer = TfidfVectorizer(min_df=0.0, analyzer="char", sublinear_tf=True, ngram_range=(3, 3))
Xprod = vectorizer.fit_transform(prod_good)
X = vectorizer.fit_transform(total_req
浏览 32提问于2020-03-23得票数 0
回答已采纳
在python中，我有一个数组列表a和一个In列表b {1,0,0,1…]，每个数组的形状都是(1,1024)。现在我想用它来训练一个基本的SVM。我总是收到这个错误消息：
ValueError: Found array with dim 3. Estimator expected <= 2.
但是这个形状不是告诉我，我有一个2维的形状吗？可能是我的数组有问题，但我不明白是什么。我很高兴得到任何帮助。
clf = svm.SVC(kernel='linear')
clf.fit(lista, listb)
数组的前10项：
[array([[-0.00381735, -0
浏览 19提问于2020-02-14得票数 1
回答已采纳
我有一个包含以下列的数据集:年龄(浮动类型)、性别(字符串类型)、区域(字符串类型)和费用(浮动类型)。
我想要使用年龄、性别和地区作为特征来预测费用，我如何在scikit学习中做到这一点？
我已经尝试过了，但它显示"ValueError: could not convert string to float: 'northwest' "
import pandas as pd
import numpy as np
df = pd.read_csv('Desktop/insurance.csv')
X = df.loc[:,['age
浏览 13提问于2018-08-17得票数 0
回答已采纳
1回答
我试着训练一种用于图像数据的SVC分类器。然而，当我运行这段代码时：
classifier = svm.SVC(gamma=0.001)
classifier.fit(train_set, train_set_labels)
我知道这个错误：
ValueError: setting an array element with a sequence.
我用Matplotlib：plt.imread(image)将图像生成到一个数组中。
这个错误似乎不在数组中，但是当我检查数据的类型和它们都是列表时(我手动添加到标签数据的列表中)：
print(type(train_set))
print(typ
浏览 2提问于2017-10-30得票数 0
回答已采纳
我试着训练一种用于异常检测的支持向量机。我想用随机搜索来调优我的模型。
我设定了我的模型参数的范围。然而，我得到了这个错误，我没有找到它的原因。ValueError：'f‘不在列表中
在加载我的数据和相关库之后。我指定支持向量机模型的细节如下：
param_dist = {"kernel":"rbf",
"gamma" : np.logspace(-9, 3, 13),
"nu" : np.linspace(0.01, 0.99, 99)}
clf = svm.One
浏览 0提问于2019-05-02得票数 1
回答已采纳
1回答
我试着学习一个关于机器学习的教程Algothim，我一直收到这个错误。它一直给我这个错误，我尝试了各种方式的调试，但仍然得到相同的错误信息。我做什么好？
堆栈溢出不希望我发布所有代码，所以我试图缩短错误消息
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import svm
numberImages = datasets.load_digits()
supportVectorClassifier = svm.SVC(gamma=0.0001, C=100)
x = numberImage
浏览 3提问于2022-11-09得票数 1
3回答
我需要生成一个包含随机数(10个⁵数)的大数组(或列表)。我试着这样做：
vet = random.sample(range(10),100000)
但是当我试图跑的时候：
vet = random.sample(range(10),10000)
在sample raise ValueError(“样本大于总体”)ValueError中，文件“/usr/lib/python2.7/随机性.py”，第320行:样本大于总体
有什么解决方案吗？
tkns
浏览 1提问于2012-08-29得票数 11
回答已采纳
为什么会出现此错误消息？ValueError:使用序列设置数组元素。谢谢
Z=np.array([1.0,1.0,1.0,1.0])
def func(TempLake,Z):
A=TempLake
B=Z
return A*B
Nlayers=Z.size
N=3
TempLake=np.zeros((N+1,Nlayers))
kOUT=np.zeros(N+1)
for i in xrange(N):
kOUT[i]=func(TempLake[i],Z)
浏览 0提问于2012-11-09得票数 33
回答已采纳
1回答
我陷入了困境。我的问题是获得整数数组中重复次数最多的一个数组，它的值可以是0到5,000。这个数字至少应该重复n/4次，其中n是数组的长度。
我看过至少提取n/2次重复元素的方法。但我不能把它修改成我的要求。另外，因为我的不是字符数组，所以我不能创建一个大小为5,000的数组来增加重复数的索引。
浏览 10提问于2012-08-31得票数 3
回答已采纳
1回答
我正在尝试使用支持向量机对我的数据进行拟合和分类。我的输入数据由11个特征(维度)和1335个样本组成，输出数据由17个类(1335x17)组成
from sklearn.svm import SVC
svclassifier = SVC(kernel='linear')
svccl = svclassifier.fit(x_train, y_train)
(甚至对于kernel = poly)，我得到以下错误：
ValueError: y should be a 1d array, got an array of shape (934, 17) instead.
当我尝试使用
浏览 47提问于2021-02-28得票数 0
1回答
我已经为我的向量创建了正确的indeces数，并且我尝试输入for循环中的I‘the元素作为索引，以保存分类错误值。但我知道错误是：
indeces.gen_error[i] <-粘贴(Classification_error)中的错误：
尝试选择少于一个元素
我的代码：
library(e1071)
library(caret)
set.seed(733)
uspscldf = read.table('uspscl.txt', header=F, sep=',')
uspsdatadf = read.table('uspsdata.
浏览 2提问于2016-02-27得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
