我正在使用sklearn 0.19.1版本，结合决策树和AdaBoost。

我的决策树分类器运行正常：

clf = tree.DecisionTreeClassifier()train_split_perc = 10000test_split_perc = pdf.shape[0] - train_split_perctrain_pdf_x = pdf[:train_split_perc]train_pdf_y = YY[:train_split_perc]test_pdf_x = pdf[-test_split_perc:]test_pdf_y = YY[-test_split_perc:]clf.fit(train_pdf_x, train_pdf_y)pred2 = clf.predict(test_pdf_x)

但是当我尝试添加AdaBoost时，在预测函数上抛出了错误：

treeclf = tree.DecisionTreeClassifier(max_depth=3)adaclf = AdaBoostClassifier(base_estimator=treeclf, n_estimators=500, learning_rate=0.5)train_split_perc = 10000test_split_perc = pdf.shape[0] - train_split_perctrain_pdf_x = pdf[:train_split_perc]train_pdf_y = YY[:train_split_perc]test_pdf_x = pdf[-test_split_perc:]test_pdf_y = YY[-test_split_perc:]adaclf.fit(train_pdf_x, train_pdf_y)pred2 = adaclf.predict(test_pdf_x)

具体错误信息是：

ValueError: bad input shape (236821, 6)

看起来错误指向的数据集是train_pdf_y，因为它的形状是(236821, 6)，我不知道为什么会这样。

即使从AdaBoostClassifier的文档描述中，我能理解实际使用数据的分类器是决策树：

AdaBoost 1 分类器是一种元估计器，它首先在原始数据集上拟合一个分类器，然后在同一数据集上拟合该分类器的其他副本，但调整了错误分类的实例的权重，使后续的分类器更多地关注难处理的案例

但我仍然遇到了这个错误。

在我找到的代码示例中，即使是sklearn网站上关于如何使用AdaBoost的示例，我也无法理解我做错了什么。

任何帮助都将不胜感激。

回答：

看起来你正在尝试执行一个多输出分类问题，考虑到y的形状，否则将一个n维的y输入到adaclf.fit(train_pdf_x, train_pdf_y)中是没有意义的。

所以假设情况确实如此，问题在于Scikit-Learn的DecisionTreeClassifier确实支持多输出问题，即y输入的形状为[n_samples, n_outputs]。然而，对于AdaBoostClassifier来说，根据文档，标签必须是：

y : array-like of shape = [n_samples]