ValueError：モデルのフィーチャの数が入力と一致する必要があります。モデルn_feature>入力nfeature

Question

私は9入力が が から例を使用される機能のために隔離森を実装しようとしていますhttp://scikit-learn.org/stable/auto_examples/ensemble/plot_isolation_forest.html#sphx-glr-auto-examples-ensemble-plot-isolation-forest-py

私の電車とテストセットは、したがって、私は同じ形状サイズ

のXtrianとXTESTを作成しています9つの機能を備えています

X.shape 
(100, 9) 
>> X_train.shape 
(200, 9) 

マイコード：

print(__doc__) 

import numpy as np 
import matplotlib.pyplot as plt 
from sklearn.ensemble import IsolationForest 

rng = np.random.RandomState(42) 

# Generate train data 
X = 0.3 * rng.randn(100, 9) 
X_train = np.r_[X + 2, X - 2] 
# Generate some regular novel observations 
X = 0.3 * rng.randn(20, 9) 
X_test = np.r_[X + 2, X - 2] 
# Generate some abnormal novel observations 
X_outliers = rng.uniform(low=-4, high=4, size=(20, 9)) 

# fit the model 
clf = IsolationForest(max_samples=100, random_state=rng) 
clf.fit(X_train) 
y_pred_train = clf.predict(X_train) 
y_pred_test = clf.predict(X_test) 
y_pred_outliers = clf.predict(X_outliers) 

# plot the line, the samples, and the nearest vectors to the plane 
xx, yy = np.meshgrid(np.linspace(-5, 5, 50), np.linspace(-5, 5, 50)) 
Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()]) 
Z = Z.reshape(xx.shape) 

plt.title("IsolationForest") 
plt.contourf(xx, yy, Z, cmap=plt.cm.Blues_r) 

b1 = plt.scatter(X_train[:, 0], X_train[:, 1], c='white') 
b2 = plt.scatter(X_test[:, 0], X_test[:, 1], c='green') 
c = plt.scatter(X_outliers[:, 0], X_outliers[:, 1], c='red') 
plt.axis('tight') 
plt.xlim((-5, 5)) 
plt.ylim((-5, 5)) 
plt.legend([b1, b2, c], 
      ["training observations", 
      "new regular observations", "new abnormal observations"], 
      loc="upper left") 
plt.show() 

しかし、私はエラー

を取得しています

--------------------------------------------------------------------------- 

ValueError: Number of features of the model must match the input. Model n_features is 9 and input n_features is 2 

私の場合は私のエラーが表示さ：モデルn_featuresは9と入力n_featuresである私がここで行方不明です何に2つの

どれ入力です：あなたは9の機能を備えたモデルに適合したにも関わらず、

Answer 1

# plot the line, the samples, and the nearest vectors to the plane 
xx, yy = np.meshgrid(np.linspace(-5, 5, 50), np.linspace(-5, 5, 50)) 
Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()]) 

np.c_()配列の形状を見にに渡される：あなたはオフ作業している例の場合と同様に、コードのプロット部分はまだ、たった2つの次元を推定されます：

np.c_[xx.ravel(), yy.ravel()].shape 
(2500, 2) 

clfは9-D入力を期待していますが、唯一の2次元配列を提供しているので、あなたがエラーを取得しています。

分類器自体は、問題なくアクセスできます。たとえば、decision_function()メソッドとpredict()メソッドを使用することはできますが、オフにしているコードを使用して9次元すべてをプロットすることはできません.2次元でプロットするように設計されています。 9次元のnp.meshgrid()を実行してもほぼ確実にMemoryErrorが投げられます。詳細はthis discussionを参照してください。

9-D空間をプロットしようとしても、ここではあまり役に立ちません。代わりにROC curvesのようなクラシファイアの強さのより標準的な視覚的表現に焦点を当てることもできます。また、古い形式のconfusion matrixを使用することもできます。