的Python： “ValueError异常：设置与一个序列的阵列元素” 使用sklearn

Question

时，这是行：

---

from sklearn import tree 


X = [[181,80,44], [177, 70, 43], [160, 60, 38], 154, 54, 37], 
[166,64,40], [190,90,47], [175,64,39],[177,70,40],[159,55,37], 
[171,75,42],[181,85,43] 

Y = ['male', 'female', 'female', 'female', 'male', 'male', 'male', 
'female', 'male', 'female', 'male'] 

clf = tree.DecisionTreeClassifier() 

clf = clf.fit(X,Y) 

prediction = clf.predict([[182,78,43]]) 

print (prediction) 

---

结果：

Traceback (most recent call last): 


File "C:\Python\code\test.py", line 14, in <module> 
clf = clf.fit(X,Y) 
File "C:\Python\lib\site-packages\sklearn\tree\tree.py", line 790, in fit 
X_idx_sorted=X_idx_sorted) 
File "C:\Python\lib\site-packages\sklearn\tree\tree.py", line 116, in fit 
X = check_array(X, dtype=DTYPE, accept_sparse="csc") 
File "C:\Python\lib\site-packages\sklearn\utils\validation.py", line 402, 

in check_array 
array = np.array(array, dtype=dtype, order=order, copy=copy) 
in check_array 
array = np.array(array, dtype=dtype, order=order, copy=copy) 
ValueError: setting an array element with a sequence. 
[Finished in 0.5s] 

---

预期结果：

应该显示性别从身体测量预测："182,78,43"

实施例：男性或女性

运行与Python 3.6使用sklearn，numpy的+ MKL和SciPy的上升华。

该代码最初来自：https://www.youtube.com/watch?v=T5pRlIbr6gg。 在整个YouTube的评论部分没有答案。 欣赏如果答案可以在这里找到，找不到任何答案。

Answer 1

如果这真的是你的代码，问题就在从头开始：

X = [[181,80,44], [177, 70, 43], [160, 60, 38], 154, 54, 37], 
[166,64,40], [190,90,47], [175,64,39],[177,70,40],[159,55,37], 
[171,75,42],[181,85,43] 

是创造一些很远很远被使用：

print(X) 
# ([[181, 80, 44], [177, 70, 43], [160, 60, 38], 154, 54, 37],) 

因此，有每个方位的一个支架（如果你不明白：阅读sklearn关于数据格式的文档：shape的二维数组（n_samples，n_features）;也可以阅读一些关于numpy的介绍，这些词的形状来自于 - >内部一切都是numpy - 基于）：

X = [[181,80,44], [177, 70, 43], [160, 60, 38], [154, 54, 37], # before 154 
[166,64,40], [190,90,47], [175,64,39],[177,70,40],[159,55,37], 
[171,75,42],[181,85,43]]          # at end 

我不得不承认：这是应该马上找到的东西，我不明白为什么有人会投入时间为SO创建一个帖子，但不投入时间来检查简单数组创建的语法。为了公平起见：我认为它不会经过语法检查（这是一个非常奇怪的结构）。为了公平起见＃2：在这个链接的视频中它真的很糟糕......我不确定该怎么想（对于这项任务，使用DTree可能已经很疯狂了，甚至LinearRegression似乎更可行）！

是的，代码预测male之后，校正已完成如上！