KNN - 在 python 中预测单个案例

Question

我正在使用Kaggle - 心血管疾病数据集中的数据集。模型已经过训练，我想做的是标记以动态方式插入的单个输入（一行13个值）。

数据集的形状为 13 个特征 + 1 个目标，66k 行

#prepare dataset for train and test

dfCardio = load_csv("cleanCardio.csv")

y = dfCardio['cardio']

x = dfCardio.drop('cardio',axis = 1, inplace=False)

model = knn = KNeighborsClassifier()

x_train,x_test, y_train, y_test = train_test_split(x,y,test_size=0.2,random_state=42)

model.fit(x_train, y_train)

# make predictions for test data

y_pred = model.predict(x_test)

predictions = [round(value) for value in y_pred]

# evaluate predictions

accuracy = accuracy_score(y_test, predictions)

print("Accuracy: %.2f%%" % (accuracy * 100.0))

ML是训练的，我想做的是预测这一行的标签：

['69','1','151','22','37','0','65','140','90','2','1','0','0','1']

为目标返回 0 或 1。所以我写了这个代码：

import numpy as np

import pandas as pd

single =  np.array(['69','1','151','22','37','0','65','140','90','2','1','0','0','1'])

singledf = pd.DataFrame(single)

final=singledf.transpose()

prediction = model.predict(final)

print(prediction)

但它给出了错误：查询数据维度必须与训练数据维度匹配

如何修复单行的标签？为什么我无法预测单个病例？

Answer 1

数据集中的每个实例都有 13 个要素和 1 个标注。x = dfCardio.drop('cardio',axis = 1, inplace=False)代码中的这一行从数据中删除了我假设的标签列，只留下 （13） 个功能列。您尝试预测的特征向量的长度为 14 个元素。您只能预测长度为 13 个元素的特征向量，因为这是模型训练的基础。

Answer 2

我不同意其他人的观点，这不是包括目标的问题。我也有这个问题。我绕过它的唯一方法是输入.x所以：x2=x.iloc[0:3]然后为第一行指定一个新值：x2.iloc[0]=single  ypred=model.predict(x2)看看.ypred[0]或者尝试使用包含 2 个值的数据帧

Answer 3

如果您正在寻找一个真实快速的解决方案，您可以使用它import numpy as npimport pandas as pdsingle =  np.array([['69','1','151','22','37','0','65','140','90','2','1','0','0']])prediction = model.predict(single)print(prediction)