在 Python 中将 SVM 拟合到 pandas 数据框上

Question

我有一个名为 dataset 的 pandas 数据框，并将其前两列导出为 X ，将名为“Class”的最后一列导出为 y code>：

X = dataset.drop('Class', axis=1)
y = dataset['Class']

然后使用以下代码行，我尝试使用这些数据来拟合 SVM：

from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20)

之后，使用下面的两行，我尝试训练 SVM，但出现以下错误。

SupportVectorClassModel = SVC()
SupportVectorClassModel.fit(X_train,y_train)

如何解决此问题？

Answer 1

尝试将您的数据框转换为列表。然后将数据帧拆分为 X 和 Y 后拆分并适合模型

，使用 values 函数或 tolist 函数将其转换为列表。 IE

X = dataset.drop('Class', axis=1)
y = dataset['Class']
# assuming X has multiple columns and y only one column
X = X.values
y = y['Class'].tolist()

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20)