我有一个750×256的数据样本。

Rows = 750Columns = 256

如果我将数据拆分为20%，那么X_train将有600个样本，而y_train将有150个样本。

然后在使用decisionTreeRegressor时会出现问题

它会显示Number of y_train=150 does not match number of samples=600

但是如果我将测试集大小设为50%，它就能正常工作。有没有办法解决这个问题？我不想使用50%的测试集大小。

任何帮助都将不胜感激！

这是我的代码：

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport graphviz#Load the datadataset = pd.read_csv('new_york.csv')dataset['Higher'] = dataset['2016-12'].gt(dataset['2016-11']).astype(int)X = dataset.iloc[:, 6:254].valuesy = dataset.iloc[:, 255].values#Taking care of missing datafrom sklearn.preprocessing import Imputerimputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0)imputer = imputer.fit(X[:, :248])X[:, :248] = imputer.transform(X[:, :248])#Split the data into train and test setsfrom sklearn.cross_validation import train_test_splitX_train, X_test, y_test, y_train = train_test_split(X, y, test_size = .2,    random_state = 0)#let's build our first modelfrom sklearn.tree import DecisionTreeRegressor, DecisionTreeClassifier, export_graphvizclf = DecisionTreeClassifier(max_depth=6)clf.fit(X_train, y_train)clf.score(X_train, y_train)

回答：

train_test_split()返回X_train, X_test, y_train, y_test，你把y_train和y_test的顺序搞错了。

如果你使用50%的拆分比例，不会导致错误，因为y_train和y_test将具有相同的大小（但显然是错误的值）。