train_test_split () errore: trovate variabili di input con numeri incoerenti di campioni

Abbastanza nuovo su Python ma costruendo il mio primo modello RF basato su alcuni dati di classificazione. Ho convertito tutte le etichette in dati numerici int64 e caricato in X e Y come una matrice numpy, ma sto provando un errore quando provo ad addestrare i modelli.

Ecco come appaiono i miei array:

>>> X = np.array([[df.tran_cityname, df.tran_signupos, df.tran_signupchannel, df.tran_vmake, df.tran_vmodel, df.tran_vyear]])

>>> Y = np.array(df['completed_trip_status'].values.tolist())

>>> X
array([[[   1,    1,    2,    3,    1,    1,    1,    1,    1,    3,    1,
            3,    1,    1,    1,    1,    2,    1,    3,    1,    3,    3,
            2,    3,    3,    1,    1,    1,    1],
        [   0,    5,    5,    1,    1,    1,    2,    2,    0,    2,    2,
            3,    1,    2,    5,    5,    2,    1,    2,    2,    2,    2,
            2,    4,    3,    5,    1,    0,    1],
        [   2,    2,    1,    3,    3,    3,    2,    3,    3,    2,    3,
            2,    3,    2,    2,    3,    2,    2,    1,    1,    2,    1,
            2,    2,    1,    2,    3,    1,    1],
        [   0,    0,    0,   42,   17,    8,   42,    0,    0,    0,   22,
            0,   22,    0,    0,   42,    0,    0,    0,    0,   11,    0,
            0,    0,    0,    0,   28,   17,   18],
        [   0,    0,    0,   70,  291,   88,  234,    0,    0,    0,  222,
            0,  222,    0,    0,  234,    0,    0,    0,    0,   89,    0,
            0,    0,    0,    0,   40,  291,  131],
        [   0,    0,    0, 2016, 2016, 2006, 2014,    0,    0,    0, 2015,
            0, 2015,    0,    0, 2015,    0,    0,    0,    0, 2015,    0,
            0,    0,    0,    0, 2016, 2016, 2010]]])

>>> Y
array(['NO', 'NO', 'NO', 'YES', 'NO', 'NO', 'YES', 'NO', 'NO', 'NO', 'NO',
       'NO', 'YES', 'NO', 'NO', 'YES', 'NO', 'NO', 'NO', 'NO', 'NO', 'NO',
       'NO', 'NO', 'NO', 'NO', 'NO', 'NO', 'NO'], 
      dtype='|S3')

>>> X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.3)

Traceback (ultima chiamata più recente):

  File "<stdin>", line 1, in <module>
  File "/Library/Python/2.7/site-packages/sklearn/cross_validation.py", line

2039, in array train_test_split = indicizzabili (* array) File "/Library/Python/2.7/site-packages/sklearn/utils/validation.py", riga 206, in check_consistent_length indicizzabile (* risultato) File "/ Library / Python / 2.7 / site-pacchetti / sklearn / utils / validation.py ", riga 181, in check_consistent_length" campioni:% r "% [int (l) per l in lunghezze])

ValueError: Found input variables with inconsistent numbers of samples: [1, 29]

Stai riscontrando questo errore perché il tuo Xe Ynon ha la stessa lunghezza (che è ciò che train_test_splitrichiede), cioè X.shape[0] != Y.shape[0]. Dato il tuo codice attuale:

>>> X.shape
(1, 6, 29)
>>> Y.shape
(29,)

Per correggere questo errore:

1. Cancella la lista più dall'interno di np.array()quando si definisce Xo rimuovere la dimensione supplementare in seguito con il seguente comando: X = X.reshape(X.shape[1:]). Ora, la forma di Xsarà (6, 29).
2. Trasporre Xeseguendo X = X.transpose()per ottenere lo stesso numero di campioni in Xe Y. Ora, la forma di Xsarà (29, 6) e la forma di Ysarà (29,).

Train_test_split non prevede entrambi Xe Yun elenco della stessa lunghezza? La tua X ha una lunghezza di 6 e Y ha una lunghezza di 29. Puoi provare a convertirla in un frame di dati Panda (con dimensione 29x6) e riprovare?

Dati i tuoi dati, sembra che tu abbia 6 funzionalità. In tal caso, prova a convertire il tuo Xper avere 29 righe e 6 colonne. Quindi passare quel frame di dati a train_test_split. Puoi convertire la tua lista in dataframe usando pd.DataFrame.from_records.