ValueError：scikit进行的随机森林分类

Question

我正在使用随机森林解决分类问题。我把BOW的句子改成num。然后在其中贴上标签，并构建了一棵树。

data_train = [[1.0, 1.0], [2.0, 2.0]]

label_train = [1,2]

estimator = RandomForestClassifier()

estimator.fit_transform(data_train, label_train)

并且我准备了一个test_data，这是一个尝试预测的句子。但这没有用。

test_data = [[1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0]]

label_predict = estimator.predict_proba(test_data)


ValueError: Number of features of the model must match the input. Model n_features is 2 and input n_features is 12 

我知道它说元素的数量不匹配。但是我认为句子中的单词数量不同，必须有所不同。我该如何解决？

Answer 1

在您的示例中，火车数据具有两个要素/维度/列（行数与该问题无关）：

[[1.0, 1.0], 
 [2.0, 2.0]]

并且每个行/样本都有一个标签。

[1,
 2]

您的测试数据必须看起来相似，即，它必须具有相同数量的特征/尺寸/列。例如，这样就可以了：

[[1.0, 1.0],
 [1.0, 1.0], 
 [1.0, 1.0],
 [1.0, 1.0], 
 [1.0, 1.0],
 [1.0, 1.0]]

您可以具有不同的行数，但列数必须相同。在这种情况下，您有2列和6行，因此，由于predict_proba，您将获得6个标签。