Python; SciKit学习; SVM;形状不匹配

我有40,000个资产的时间序列。我已将数据分为训练数据和目标数据。培训数据有119天的回报，目标数据有59天。我故意将它分解成这种方式。Python; SciKit学习; SVM;形状不匹配

火车：（119行的回报，40000不同系列）目标：（59行返回的，相同的40000系列）

我跑以下代码以适应模型：

SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose()) 
--------------------------------------------------------------------------- 
ValueError        Traceback (most recent call last) 
<ipython-input-185-2a0fd827e2a4> in <module>() 
     1 
     2 
----> 3 SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose()) 

C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\base.pyc in fit(self, X, y, sample_weight) 
    174 
    175   seed = rnd.randint(np.iinfo('i').max) 
--> 176   fit(X, y, sample_weight, solver_type, kernel, random_seed=seed) 
    177   # see comment on the other call to np.iinfo in this file 
    178 

C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\base.pyc in _dense_fit(self, X, y, sample_weight, solver_type, kernel, random_seed) 
    229     cache_size=self.cache_size, coef0=self.coef0, 
    230     gamma=self._gamma, epsilon=self.epsilon, 
--> 231     max_iter=self.max_iter, random_seed=random_seed) 
    232 
    233   self._warn_from_fit_status() 

C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\libsvm.pyd in sklearn.svm.libsvm.fit (sklearn\svm\libsvm.c:1864)() 

ValueError: Buffer has wrong number of dimensions (expected 1, got 2)

从研究中，我发现使用SVM最常见的答案是形状必须“匹配”，但如何使SVM适合各种大小的数据？

编辑：仍然需要一些帮助，我如何预测成千上万的预测，而不仅仅是下一个1？

来源

2015-10-30 user2977664

你的培训意味着什么119天的回报和目标有59天的回报？ – WoodChopper

我在训练集中有119天的回报信息，在目标集中有59天的回报。所以库存1万4千;第1天返回X，第2天返回Y ....有道理？ – user2977664

问题出在您拨打fit时的第二个参数。

作为per documentation，第二个参数需要是n个样本的数组，其中n是实例的数量，等于您作为第一个参数（X）传递的矩阵的行数。

拟合（X，Y，sample_weight =无）

X：{阵列状，稀疏矩阵}，形状（N_SAMPLES次，n_features）

Y：阵列状，形状（ N_SAMPLES次）

所以，如果你的第一个参数的大小为40.000 x 119（因为你调换的话），第二个参数必须是大小40.000 x 1的数组。

但是，根据错误判断，您的第二个参数有可能超过1列（即2列）。

来源

2015-10-30 22:56:35

谢谢，第二个数组是40,000 x 59！所以也许这会有所帮助，我有1年的数据，我想用前六个月的每日数据来预测未来六个月的每日回报。我需要一次预测回报1吗？ – user2977664

Python; SciKit学习; SVM;形状不匹配

回答

相关问题