ValueError: type de données doit fournir une itemsize?

Mon code comme suit, chaque fois quand je le lance , il a une erreur;

"ValueError: type de données doit fournir une itemsize"

Je ne peux pas trouver la raison pour laquelle il n';t de travail.

Je ne sais pas pourquoi?

from sklearn.linear_model import LogisticRegression
trainX = [('2', '0.455', '0.365', '0.095', '0.514', '0.2245', '0.101', '0.15'), ('2', '0.35', '0.265', '0.09', '0.2255', '0.0995', '0.0485', '0.07'), ('1', '0.53', '0.42', '0.135', '0.677', '0.2565', '0.1415', '0.21'), ('2', '0.44', '0.365', '0.125', '0.516', '0.2155', '0.114', '0.155'), ('3', '0.33', '0.255', '0.08', '0.205', '0.0895', '0.0395', '0.055')]
trainY = ['15', '7', '9', '10', '7']
testX = [('3', '0.475', '0.36', '0.11', '0.452', '0.191', '0.099', '0.13'), ('3', '0.485', '0.37', '0.14', '0.5065', '0.2425', '0.088', '0.1465')]
model = LogisticRegression()
model.fit(trainX,trainY)
predict = model.predict(testX[0:2])#error
print predict

OriginalL'auteur fhlkm | 2014-10-28

  1. 5

    Depuis LogisticRegression nécessite des données numériques, d'abord convertir vos données en float à l'aide de numpy et ensuite utiliser LogisticRegression comme indiqué ci-dessous:

    >>> from sklearn.linear_model import LogisticRegression
>>> import numpy as np
>>> trainX = [('2', '0.455', '0.365', '0.095', '0.514', '0.2245', '0.101', '0.15'), ('2', '0.35', '0.265', '0.09', '0.2255', '0.0995', '0.0485', '0.07'), ('1', '0.53', '0.42', '0.135', '0.677', '0.2565', '0.1415', '0.21'), ('2', '0.44', '0.365', '0.125', '0.516', '0.2155', '0.114', '0.155'), ('3', '0.33', '0.255', '0.08', '0.205', '0.0895', '0.0395', '0.055')]
>>> trainY = ['15', '7', '9', '10', '7']
>>> testX = [('3', '0.475', '0.36', '0.11', '0.452', '0.191', '0.099', '0.13'), ('3', '0.485', '0.37', '0.14', '0.5065', '0.2425', '0.088', '0.1465')]
model = LogisticRegression()
>>> trainX=np.array(trainX,dtype=float)
>>> trainY=np.array(trainY,dtype=float)
>>> testX=np.array(testX,dtype=float)
>>> model.fit(trainX,trainY)
LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
intercept_scaling=1, penalty='l2', random_state=None, tol=0.0001)
>>> predict = model.predict(testX[0:2])
>>> predict
array([ 7.,  7.])

    OriginalL'auteur Irshad Bhat

  2. 1

    Le problème est que vous avez des chaînes dans vos données au lieu de chiffres. Il suffit de changer les données:

    # note the stripped 's
trainX = [(2, 0.455, 0.365, 0.095, 0.514, 0.2245, 0.101, 0.15), ...] 
trainY = [15, 7, 9, 10, 7]
testX = [(3, 0.475, 0.36, 0.11, 0.452, 0.191, 0.099, 0.13),  ...]

    Vous voudrez peut-être lire un peu sur types de données en Python.

    Si, pour quelque raison que vous avez vos données de cette façon, et vous ne voulez pas le réécrire manuellement, vous utilisez ces fonctions de conversion:

    def destringifyTupleData(d):
return [tuple(destringifyList(l)) for l in trainX]
def destringifyList(l):
return map(float, l)
# ...
trainX = destringifyTupleData(trainX)
trainY = destringifyList(trainY)
testX = destringifyTupleData(testX)

    OriginalL'auteur BartoszKP