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。如何为阵列的每个特征绘制精度条
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()
谢谢你,你是对的。我改变了你告诉我的两个值,现在它可以工作。 – Aizzaac