我试图使用预计算的chi平方核来获取SVM的预测结果。然而，在尝试运行clf.predict()时遇到了问题。

min_max_scaler = preprocessing.MinMaxScaler()X_train_scaled = min_max_scaler.fit_transform(features_train)X_test_scaled = min_max_scaler.transform(features_test)K = chi2_kernel(X_train_scaled)svm = SVC(kernel='precomputed', cache_size=1000).fit(K, labels_train)y_pred_chi2 = svm.predict(X_test_scaled)

我得到的错误如下：

ValueError: bad input shape (4627L, 20L)

我猜测这个问题是因为多标签，所以我通过以下方式仅针对一个类别训练分类器：

svm = SVC(kernel='precomputed', cache_size=1000).fit(K, labels_train[:, 0])

然而，当尝试运行clf.predict(X_test_scaled)时，我得到了以下错误：

ValueError: X.shape[1] = 44604 should be equal to 4627, the number of samples at training time

为什么测试样本的数量必须与训练样本的数量相同？

以下是相关矩阵的形状（特征有44604个维度，并且有20个类别）：

X_train_scaled.shape    : (4627L, 44604L)X_test_scaled.shape     : (4637L, 44604L)K.shape                 : (4627L, 4627L)labels_train.shape      : (4627L, 20L)

顺便问一下，这些矩阵的形状大小后面带有L是正常的吗？

回答：

你需要给predict函数提供测试数据和训练数据之间的核。最简单的方法是给kernel参数提供一个可调用的对象kernel=chi2_kernel。使用

K_test = chi2_kernel(X_test_scaled)

是行不通的。它需要是

K_test = chi2_kernel(X_test_scaled, X_train_scaled)