配列の各フィーチャの精度バーをプロットする方法

Question

私はデータセット "x"とそのラベルベクトル "y"を持っています。 NaiveBayesとクロスバリデーションを適用した後、各属性（「x」の各列）の精度をプロットする必要があります。私は棒グラフが欲しい。 最後に、3つの棒が必要です。なぜなら、「x」には3つの列があるからです。分類は3回実行する必要があります。各機能に対して3つの異なる精度。

私は私のコードを実行するたびに、それが示す：
とValueError：サンプルの一貫性のない番号を発見配列：[1~3] DeprecationWarning：データは0.17で非推奨と0.19でとValueErrorをwillraiseよう1Dアレイを渡すを。データに単一のフィーチャがある場合はX.reshape（-1、1）、単一のサンプルが含まれている場合はX.reshape（1、-1）のいずれかを使用してデータを変更します。

私は間違っていますか？入力データ、xAの形状を確認する

import matplotlib.pyplot as plt 
    import numpy as np 
    from sklearn import cross_validation 
    from sklearn.naive_bayes import GaussianNB 
    clf = GaussianNB() 

    x = np.array([[0, 0.51, 0.00101], [3, 0.54, 0.00105], [6, 0.57, 0.00108], [9, 0.60, 0.00111], [1, 0.73, 0.00114], [5, 0.76, 0.00117], [8, 0.89, 120]]) 
    y = np.array([1, 0, 0, 1, 1, 1, 0]) 

    scores = list() 
    scores_std = list() 
    for i in range(x.shape[1]): 
    xA=x[:, i] 
    scoresKF2 = cross_validation.cross_val_score(clf, xA, y, cv=2) 
    scores.append(np.mean(scoresKF2)) 
    scores_std.append(np.std(scoresKF2)) 
    plt.bar(x[:,i], scores) 

plt.show() 

Answer 1

は、それが1次元であることを私たちに示して - 具体的には、それは(7,)形状です。警告からわかるように、ここでは1次元配列を渡すことはできません。返された警告でこれを解決するための鍵データに単一のフィーチャがある場合はX.reshape（-1、1）、単一のサンプルが含まれる場合はX.reshape（1、-1）を使用してデータを整形します 。したがって、それはただの機能なので、xA = x[:,i]の代わりにxA = x[:,i].reshape(-1, 1)を実行します。

私はプロットに別の問題があると思います。私はあなたが見たいと思っているものは完全にはわかりませんが、おそらくplt.bar(x[:,i], scores)をplt.bar(i, np.mean(scoresKF2))に置き換えてください。