neuhongke 2021-09-27 09:05 采纳率: 25%
浏览 40

机器学习建模代码报错:'l' is not in list


for ds_cnt,(X,Y)in enumerate(datasets):#取出了ds_cnt的索引(0,1,2,3,)以及(X,Y)
    #在图像的第一列,放置原数据的分布
    ax=axes[ds_cnt,0]
    if ds_cnt==0:
        ax.set_title('Input data')
    ax.scatter(X[:,0],
               X[:,1],
               c=Y,
               zorder=10,
               cmap=plt.cm.Paired,
               edgecolors='k')
    ax.set_xticks(())
    ax.set_yticks(())
    #第二层循环:在不同的核函数中循环
    #从图像的第二列开始,一个个填充分类结果
    for  est_idx,kernel in enumerate(kernel):
        #定义子图位置
        ax=axes[ds_cnt,est_idx + 1]
        #建模
        clf=svm.SVC(
            kernel=kernel,gamma=2).fit(X,Y)
        score=clf.score(X,Y)
        #绘制图像本身的散点图
        ax.scatter(X[:,0],X[:,1],c=Y,zorder=10,cmap=plt.paired,edgecolors='k')
        #绘制支持向量
        ax.scatter(clf.support_vectors[:,0],clf.support_vectors_[:,1],
                   s=50,facecolors='none',zorder=10,edgecolors='k')
        #绘制决策边界
        x_min,x_max=X[:,0].min()-.5,X[:,0].max()+.5
        y_min,y_max=X[:,0].min()-.5,X[:,0].max()+.5
        #np.mgrid,合并了我们之前使用的、np.linspace和np.meshgrid的用法
        #一次性使用最大值和最小值生成网络
        #表示为【起始值:结束之:步长】
        #如果步长是复数,则其整数部分就是起始值和结束值之间创建的点的数量,并且结束之被包含在内
        XX,YY=np.mgrid[x_min:x_max:200j,y_min,:y_max:200j]
        #np.c_,类似于np.vstack的功能
        Z=clf.decision_function(np.c_[XX.ravel(),YY.ravel()]).reshape(XX.shape)
        
        #绘制等高线不同区域的颜色
        ax.pcolormesh(XX,YY,Z>0,camp=plt.cm.Paried)
        #绘制等高线
        ax.contour(XX,YY,Z,colors=['k','k','k'],
                   linestyles=['--','-','--'],levels=[-1,0,1])
        #设定坐标轴为不显示
        ax.set_xticks(())
        ax.set_yticks(())
        #将标题放在第一行的顶上
        if ds_cnt==0:
            ax.set_title(kernel)
        #为每张图添加分类的分数
        ax.text(0.95,0.06,('%.2f' %score).lstrip('0'),size=15,
                bbox=dict(boxstyle='round',alpha=0.8,facecolor='white'),#为分数添加一个白色的格子作为底色
               transform=ax.transAxes,#确定文字所对应的坐标轴,就是ax子图的坐标轴本身
               horizontalalignment='right')#位于坐标轴的什么方向
plt.tight_layout()
plt.show()    

`
```以下是报错内容

ValueError                                Traceback (most recent call last)
<ipython-input-80-ab940553a6e5> in <module>
     19         ax=axes[ds_cnt,est_idx + 1]
     20         #建模
---> 21         clf=svm.SVC(
     22             kernel=kernel,gamma=2).fit(X,Y)
     23         score=clf.score(X,Y)

D:\anaconda\lib\site-packages\sklearn\svm\_base.py in fit(self, X, y, sample_weight)
    224 
    225         seed = rnd.randint(np.iinfo('i').max)
--> 226         fit(X, y, sample_weight, solver_type, kernel, random_seed=seed)
    227         # see comment on the other call to np.iinfo in this file
    228 

D:\anaconda\lib\site-packages\sklearn\svm\_base.py in _dense_fit(self, X, y, sample_weight, solver_type, kernel, random_seed)
    275         self.support_, self.support_vectors_, self._n_support, \
    276             self.dual_coef_, self.intercept_, self._probA, \
--> 277             self._probB, self.fit_status_ = libsvm.fit(
    278                 X, y,
    279                 svm_type=solver_type, sample_weight=sample_weight,

sklearn\svm\_libsvm.pyx in sklearn.svm._libsvm.fit()

ValueError: 'l' is not in list
  • 写回答

1条回答 默认 最新

    报告相同问题?

    相关推荐 更多相似问题

    问题事件

    • 创建了问题 9月27日

    悬赏问题

    • ¥16 基于Python的数据库系统开发
    • ¥15 关于C# 英文打字练习器程序设计
    • ¥15 wfp应用层设计规则如何能传递到内核层
    • ¥15 关于机器学习创新点几个问题
    • ¥15 python程序编写
    • ¥15 Type-C扩展坞的RTL8153地址硬改
    • ¥15 uniapp websocket 发送 sub 监听后,代码自动发送了 unsub ,解除了监听
    • ¥15 nativefier封装electron的应用遇到alert弹窗后input栏获取不到焦点,confirm不弹出的问题。
    • ¥15 Simulink使用HDL coder生成verilog代码时遇到问题
    • ¥20 怎样让两台不同的电脑访问外网的IP一致?