这段代码显示了错误：

Traceback (most recent call last):
  File "F:\MachineLearningPyCodes\SvmOnDelhiAqiDataPrbf.py", line 68, in 
    clf_SVM_radial_basis.fit(X_train,y_train)
  File "C:\Python35\lib\site-packages\sklearn\svm\base.py", line 189, in fit
    fit(X, y, sample_weight, solver_type, kernel, random_seed=seed)
  File "C:\Python35\lib\site-packages\sklearn\svm\base.py", line 230, in _dense_fit
    if X.shape[0] != X.shape[1]:
IndexError: tuple index out of range

我尝试了不同的方法，但我似乎无法按要求格式化我的数据集，请告诉我一种方法来做到这一点。

回答：

我对SVC的kernel参数的工作方式感到困惑。它不仅仅是您所设定的radial_basis核函数；实际上，它必须返回格拉姆矩阵。您可以在sklearn的文档中看到这一点：

http://scikit-learn.org/stable/modules/svm.html#custom-kernels

总结一下那部分内容：您有两种选择。

（1）直接将格拉姆矩阵插入fit()方法中（不仅仅是X_train），并使用kernel='precomputed'；或者

（2）编写一个返回格拉姆矩阵的函数，然后您可以将该新函数传递给kernel。

这个SO上有很好的示例。改编他们写的内容，您可以这样做。我将使用第二种方法，并保留您原来的radial_basis作为示例说明。

def radial_basis(x, y, gamma=10):
    return np.exp(-gamma * la.norm(np.subtract(x, y)))

def proxy_kernel(X, Y, K=radial_basis):
    """另一个函数，用于返回格拉姆矩阵，
    这在SVC的kernel或fit中是需要的
    """
    gram_matrix = np.zeros((X.shape[0], Y.shape[0]))
    for i, x in enumerate(X):
        for j, y in enumerate(Y):
            gram_matrix[i, j] = K(x, y)
    return gram_matrix

clf_SVM_radial_basis = SVC(kernel=proxy_kernel) # 注意现在这里是proxy_kernel
clf_SVM_radial_basis.fit(X_train, y_train)