ValueError: 信息性、冗余和重复特征的数量之和必须小于总特征数

我正在尝试使用以下代码生成用于分类模型的数据集:

from sklearn.datasets import make_classificationimport matplotlib.pyplot as pltX, y = make_classification(n_features=2)plt.plot(X, y)plt.show()

但这返回了错误:

raise ValueError(“Number of informative, redundant and repeated”)ValueError: 信息性、冗余和重复特征的数量之和必须小于总特征数


回答:

from sklearn.datasets import make_classificationimport matplotlib.pyplot as pltX, y = make_classification(n_features=2, n_informative=1, n_redundant=0, n_classes=1)plt.plot(X,y)plt.show()

enter image description here

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注