如何为阵列的每个特征绘制精度条

Question

我有一个数据集“x”及其标签向量“y”。我想在应用NaiveBayes和交叉验证之后绘制每个属性的准确性（对于每个“x”列）。我想要一个条形图。 所以最后我需要有3个小节，因为“x”有3列。分类必须运行3次。每种功能有3种不同的精度。

每当执行我的代码它显示：
ValueError异常：与样品的不一致数实测值数组：[1 3] DeprecationWarning：传递作为数据在0.17弃用，在0.19 willraise ValueError异常1D阵列。如果数据具有单个特征，则使用X.reshape（-1，1）重新整形数据，如果数据包含单个特征，则使用X.reshape（1，-1）重整数据。

我在做什么错？

import matplotlib.pyplot as plt 
    import numpy as np 
    from sklearn import cross_validation 
    from sklearn.naive_bayes import GaussianNB 
    clf = GaussianNB() 

    x = np.array([[0, 0.51, 0.00101], [3, 0.54, 0.00105], [6, 0.57, 0.00108], [9, 0.60, 0.00111], [1, 0.73, 0.00114], [5, 0.76, 0.00117], [8, 0.89, 120]]) 
    y = np.array([1, 0, 0, 1, 1, 1, 0]) 

    scores = list() 
    scores_std = list() 
    for i in range(x.shape[1]): 
    xA=x[:, i] 
    scoresKF2 = cross_validation.cross_val_score(clf, xA, y, cv=2) 
    scores.append(np.mean(scoresKF2)) 
    scores_std.append(np.std(scoresKF2)) 
    plt.bar(x[:,i], scores) 

plt.show() 

Answer 1

检查输入数据，xA的形状，我们表明，它是一维 - 具体而言，它是(7,)形状。正如警告告诉我们的，你不允许在这里传入1d数组。在返回的警告中解决此问题的关键如果数据具有单个要素，则使用X.reshape（-1，1）或在包含单个样本的情况下使用X.reshape（1，-1）重整数据 。因此，由于它只是一个功能，因此请执行xA = x[:,i].reshape(-1, 1)而不是xA = x[:,i]。

我认为绘图还有另外一个问题。我不完全确定你期望看到什么，但你应该用plt.bar(i, np.mean(scoresKF2))替换plt.bar(x[:,i], scores)。