没有缩放的特征矩阵的长度变了

Question

代码如下图所示

报错信息如下

![img](https://img-mid.csdnimg.cn/release/static/i
mage/mid/ask/6a2d01b6097d4d8e80798fdf5e0ac9af.png "#left")
通过检查，测试输出发现未缩放的特征矩阵X的数据已经发生变化

结果如下图：

应该如何修改代码？🌝
数据集使用的是hiv746data，因为Excel打开显示在一列，做了点小修改变成两列了，加上了列名，Peptide和Cleavage
数据集来源：https://archive.ics.uci.edu/ml/datasets/HIV-1+protease+cleavage.

Answer 1

上午好☀️☀️☀️️
本答案参考ChatGPT-3.5

问题描述：特征矩阵的长度发生了变化

问题分析：代码中的特征矩阵X与peptides两个变量的长度必须相等，在特征提取过程中可能导致出现特征矩阵长度与peptides长度不一致的问题，此问题会导致程序在运行时出现错误，从而导致程序无法顺利运行。

问题解决方案：

1. 确保特征矩阵长度与peptides长度相等，可以通过以下方法进行检查或者修改：

• 使用python内置的len()函数可以检查peptides和特征矩阵X的长度是否一致；
• 如果特征矩阵X的长度与peptides长度不一致，需要检查代码中特征提取函数的实现是否有误，特别是与长度相关的操作。

1. 如果未缩放的特征矩阵X的数据发生变化，可以通过以下方法进行查找和调试：

• 比较X和peptides的对应元素是否匹配，使用for循环逐一比较；
• 检查X的数据类型、形状、索引等基本信息；
• 检查使用的特征标准化方法是否正确。

1. 修改代码：

• 在代码中加入相应的检查步骤，确保特征矩阵X的长度与peptides长度一致；
• 修改特征提取函数中可能异常的具体操作；
• 修改标准化方法的相关参数。

代码修改示例：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.metrics import classification_report,accuracy_score

#读取CSV文件
df = pd.read_csv("hiv746data1.csv")

#假设CSV文件中有两列，一列是短肽链('Peptide'),另一列是标签('CLeavage')
peptides = df['Peptide'].tolist()
labels = df['CLeavage'].tolist()

#定义氨基酸到整数的映射
amino_acid_to_int = {aa:i for i,aa in enumerate('ARNDCEQGHILKMFPSTWYV')}

#特征提取函数
def extract_features(peptides):
    #使用邻接氨基酸作为特征
    features = [[amino_acid_to_int[peptide[i]] for i in [2,4]] for peptide in peptides]
    #提取第3位和第5位氨基酸
    return features 

#特征提取
X = extract_features(peptides)

#检查X和peptides的长度是否一致
if len(X) != len(peptides):
    raise ValueError("The lengths of X and peptides must be the same.")

#将一维的X转换为二维数组
X = np.array(X)

#检查X的形状
print("X shape:", X.shape)

#特征标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

#数据分割：将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, labels, test_size=0.2, random_state=42)

#LDA降维和分类
lda = LinearDiscriminantAnalysis(n_components=1)#降维到1维
lda.fit(X_train, y_train)

#使用测试集进行预测
y_pred = lda.predict(X_test)

#评估模型性能
print("准确率：", accuracy_score(y_test, y_pred))
print("分类报告：", classification_report(y_test, y_pred))