你好，我在机器学习项目中使用了Label Encoder和Onehotencoder，但在执行Onehotencoder的部分时出现了错误，错误信息是Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.，我的特征列只有两个属性：Negative或Positive。

这个错误信息是什么意思？我该如何解决这个问题？

#从Excel读取数据集
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
dataset = pd.read_csv('diab.csv')
feature=dataset.iloc[:,:-1].values
lablel=dataset.iloc[:,-1].values
#将字符串数据转换为二进制
#将标签列中的字符串数据转换为十进制/二进制 0/1
from sklearn.preprocessing import LabelEncoder,OneHotEncoder
lab=LabelEncoder()
lablel=lab.fit_transform(lablel)
onehotencoder=OneHotEncoder()
lablel=onehotencoder.fit_transform(lablel).toarray()
#创建训练模型并测试
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(feature,lablel,test_size=0.30)
#将SVM拟合到训练集
from sklearn.svm import SVC
classifier=SVC(kernel='linear',random_state=0)
classifier.fit(x_train,y_train)
y_pred=classifier.predict(x_test)
#制作混淆矩阵
from sklearn.metrics import confusion_matrix
cm=confusion_matrix(y_test, y_pred)
from sklearn.neighbors import KNeighborsClassifier
my_classifier=KNeighborsClassifier()
my_classifier.fit(x_train,y_train)
prediction=my_classifier.predict(x_test)
print(prediction)
from sklearn.metrics import accuracy_score
print (accuracy_score(y_test,prediction))
plot=plt.plot((prediction), 'b', label='GreenDots')
plt.show()

回答：

我怀疑问题在于你有两个可能的标签，并且将它们视为独立的值。SVM的输出通常是一个单一的值，因此你的标签需要为每个样本设置一个单一的值。不要将标签映射到独热向量，而是当标签为正时使用单一值1，当标签为负时使用0。