ランダムフォレストのモデルと入力機能が一致しません

Question

データセットで機械学習を行い、サンプルとテストデータを表示しようとしています。私の目標は、後で私のイメージをロードし、それをモデルでテストすることです。間違いなく私はエラーを解決するのに役立ちます。

%matplotlib inline 
import matplotlib.pyplot as plt 
from sklearn.datasets import fetch_mldata 
import numpy as np 
import random 
from sklearn import ensemble 

mnist = fetch_mldata('MNIST original', data_home='./') 


#Define variables 
n_samples = len(mnist.data) 
x = mnist.data.reshape((n_samples, -1))# array of feature of 28*28 pixel 
y = mnist.target       # Class label from 0-9 as there are digits 

#Create random indices 
sample_index=random.sample(range(len(x)),len(x)/5) #Selecting randomly list of len(x)/5 from the size of x 
valid_index=[i for i in range(len(x)) if i not in sample_index]# Selecting the rest of the digits 

#Sample and validation images 
sample_images=[x[i] for i in sample_index]# 28*28 size of array which was used to classify digits in different classes 
valid_images=[x[i] for i in valid_index] 

#Sample and validation targets 
sample_target=[y[i] for i in sample_index] # digits 0-9 
valid_target=[y[i] for i in valid_index] 

#Using the Random Tree Classifier 
classifier = ensemble.RandomForestClassifier(n_estimators=30) 

#Fit model with sample data 
classifier.fit(sample_images, sample_target) 

#Attempt to predict validation data 
score=classifier.score(valid_images, valid_target) 
print 'Random Tree Classifier:\n' 
print 'Score\t'+str(score) 

from matplotlib.colors import ListedColormap 
import matplotlib.pyplot as plt 

def plot_decision_regions(X, y, classifier, 
        test_idx=None, resolution=0.02): 
    # plot the decision surface 
    x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max() + 1 
    x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max() + 1 
    xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution), 
         np.arange(x2_min, x2_max, resolution)) 

ここで私はすべてのエラーを持っていないのですが、この行の後にティル：あなたはclassifier.predict関数を呼び出しているとき

ValueError: Number of features of the model must match the input. Model n_features is 784 and input n_features is 2 

Answer 1

：

Z = classifier.predict(np.c_[xx1.ravel(), xx2.ravel()]) 
plot_decision_regions(x,y,classifier,test_idx=10) 

私は次のようなエラーが生じていますあなたのクラシファイアが新しいラベルを予測する新しいサンプルセットを引数として渡す必要があります。しかし、あなたはメッシュの行列を渡していますが、意味を成しません。明らかに、あなたの行列は列が2つしかなく、予測子は列車の列が784列あると予想しているので不平を言います。

コードの他の部分を確認して、間違いがあることを確認することをおすすめします（例：len(x)/5をint型にキャストする必要があります）。

これが役に立ちます。がんばろう！