所以，我有一段代码，如果我有一维特征的数据来预测下一个结果，knn.predict() 可以正常工作。为了说明这一点，我有股票数据（开盘价、最高价、最低价、收盘价），我使用“开盘价”作为“X”数据，使用“收盘价”作为“Y”数据，knn.predict 将会预测 Y 的下一个值。

当我尝试使用“开盘价、最高价、最低价”这三个特征作为我的 X 数据时，我得到了以下错误：

File "sklearn\neighbors\binary_tree.pxi", line 1294, in sklearn.neighbors.kd_tree.BinaryTree.queryValueError: query data dimension must match training data dimension

我认为这是因为我的 X.shape 和 Y.shape 不匹配，其中 X 的大小与 Y 不一致，但我不知道如何解决这个问题。如果 X 和 Y 必须大小相同，如何使用 KNN 进行多特征分析呢？

部分代码如下：

df = df[['Date','Time', 'Open', 'High', 'Low', 'Close']]df.head()# 预测变量df['Open'] = df.Opendf['High'] = df.Highdf['Low'] = df.Lowdf['Close'] = df.Closedf = df.dropna()#Data = np.delete(arr = df, obj=0, axis = 0)X = np.array(df.ix[:, 2:6])#X.head()print X.shape# 目标变量Y = np.where(df['Close'].shift(-1)>df['Close'],1,-1)#print (Y)#预测u = df['Close'].iloc[-1]#print unew_prediction = knn.predict(u)print new_prediction

回答：

在训练过程中，你使用的是

X = np.array(df.ix[:, 2:6])

即一个有 6 – 2 = 4 列的矩阵，这意味着邻居是四元组。

在预测过程中，你使用的是

u = df['Close'].iloc[-1]

这是一个标量。

最近邻居是未定义的，sklearn 对此非常不满。