如何使用python训练SVM？

Question

我正在尝试仅使用两列在数据集上训练SVM：

• 1 4.5456436
• 0 2.4353453
• 1 3.5435636
• 1 5.4235354
• 0 1.4235345

我努力了：

x = np.array([[1],[0],[1],[1]])
y = np.array([[4.5456436],[2.4353453],[3.5435636],[5.4235354]])

clf = svm.SVC()
clf.fit(y,x)

对于这些行，它可以正常工作，但是当我从数据集文件导入数组时出现问题，我得到了一个错误：

ValueError: The number of classes has to be greater than one; got 1

尽管两种情况下的输出和类型相同。

从数据集代码导入的数据是：

def read(dir):
    x = []
    y = []
    with open(dir) as f:
        lines = f.readlines()
    for i in range(len(lines)):
        x.append(lines[i][0]);y.append(lines[i][1:])
    x = np.array([[int(i)] for i in x])
    y = np.array([[float(i)] for i in y])

任何建议，谢谢。

Answer 1

发表评论作为答案以结束问题。

错误是目标中只有一种类型的类（标签）。 请参阅在您上面发布的示例中（x = np.array（[[1]，[0]，[1]，[1]]）），有两个类别可以分类（0和1）。

但是，当您从文件导入数据集时，目标对于所有可用样本仅具有类别类型。 请检查从文件加载的数组。