在使用KNN算法的时候报错：ValueError: query data dimension must match training data dimension

Question

在使用KNN算法的过程中产生了错误
下图为代码：

报错：


描述的错误信息是：值错误：查询数据维度必须与培训数据维度匹配
但我也不知道该怎么把数据维度匹配起来啊 求大佬帮帮忙，我在网上找了好久都没有解决的办法

Answer 1

以下回答参考 皆我百晓生、券券喵儿 等免费微信小程序相关内容作答，并由本人整理回复。

从您提供的代码中可以看出，您正在尝试使用KNN算法对糖尿病数据进行分类。然而，在运行过程中遇到了一个“ValueError: query data dimension must match training data dimension”的错误。这通常表明您的训练数据（x_train）和测试数据（x_test）的特征维度不匹配。

为了修复此问题，请确保您的x_train和x_test具有相同的特征数量。如果它们不同，则应调整您的DictVectorizer或StandardScaler以适应不同的特征数。

以下是修改后的代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
import numpy as np

# 加载数据
data = pd.read_csv('./data/Diabetes_data.csv', index_col=0)

# 数据集的划分
x_data = data[['UrineSugarValue', 'InsulinContent', 'Age']]
y_data = np.ravel(data['DiagnosticResults'])

# 特征抽取
x_train, x_test, y_train, y_test = train_test_split(x_data, y_data, random_state=6)
x_train = x_train.to_dict(orient='records')
x_test = x_test.to_dict(orient='records')

# 实例化转换器类
vectorizer = DictVectorizer(sparse=False)
transfer = vectorizer.fit_transform(x_train).toarray()

# 标准化
scaler = StandardScaler()
x_train = scaler.fit_transform(transfer)
x_test = scaler.transform(x_test)

# KNN算法预估器
estimator = KNeighborsClassifier(n_neighbors=5)
estimator.fit(x_train, y_train)

# 模型评估
y_pred = estimator.predict(x_test)
score = accuracy_score(y_test, y_pred)

print('Accuracy:', score)

这段代码首先加载了数据，并将其划分为训练集和测试集。然后，它使用DictVectorizer将每个样本映射到一个唯一的字典索引，以便于后续处理。接着，它使用标准化技术来规范化特征空间，使其更适合用于KNN算法。最后，它训练了一个KNN算法，并通过比较实际结果和预测结果来评估其性能。