Expected 2D array, got 1D array 相反，在将 1D 数组转换为 2D

Question

我查看了其他答案，但仍然无法理解为什么问题仍然存在。

Iris 数据集的经典机器学习实践。

代码：

dataset=load_iris()

X = np.array(dataset.data)

y = np.array(dataset.target)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

model = KNeighborsClassifier()

model.fit(X_train, y_train)

prediction=model.predict(X_test)

所有数组的形状：

1. X 形状：(150, 4)

2. y 形状：(150,)

3. X_train: (105, 4)

4. X_test: (45, 4)

5. y_train: (105,)

6. y_test(45,)

7. 预测：（45，）

试图打印这个model.score(y_test, prediction)我得到了错误。我尝试使用 .reshape(-1,1) 将 y_test 和预测转换为二维数组，但出现另一个错误：查询数据维度必须与训练数据维度匹配。

这不仅关乎解决方案，还关乎理解问题所在。

Answer 1

查看您使用的函数的签名和文档字符串通常很有用。model.score例如有Parameters----------X : array-like, shape = (n_samples, n_features)    Test samples.y : array-like, shape = (n_samples) or (n_samples, n_outputs)    True labels for X.在文档字符串中向您显示您应该提供的确切输入类型。在这里你会做model.score(X_test, y_test)model.score将同时进行预测X_test和比较y_test