ValueError：发现样本数量不一致的输入变量：[2935848、2935849]

问题描述

当我运行此代码时：

feature_names = ["date","shop_id","item_id","item_price","item_cnt_day"]
feature_names

X_train = train[feature_names]
print(X_train.shape)
X_train.head()

X_sales = sales[feature_names]
print(X_sales.shape)
X_sales.head()

from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

X_train,X_sales,y_train,y_sales = train_test_split(X_train,test_size=0.3)


feature_names = ["date","item_cnt_day"]
feature_names
​
X_train = train[feature_names]
print(X_train.shape)
X_train.head()
​
X_sales = sales[feature_names]
print(X_sales.shape)
X_sales.head()
​
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
​
X_train,test_size=0.3)
​
(2935848,5)
(2935849,5)

我明白了ValueError：

ValueError Traceback（最近一次调用 最后）在 13 从 sklearn.metrics 导入 mean_squared_error 14 ---> 15 X_train,test_size=0.3) 16

~/anaconda3/envs/aiffel/lib/python3.7/site-packages/sklearn/model_selection/_split.py 在 train_test_split(*arrays,**options) 2125 中提高 TypeError（“传递的参数无效：%s”% str（选项））2126 -> 2127 数组 = 可索引（*数组）2128 2129 n_samples = _num_samples(arrays[0])

~/anaconda3/envs/aiffel/lib/python3.7/site-packages/sklearn/utils/validation.py 在 indexable(*iterables) 中 第291话 292 结果 = [_make_indexable(X) for X in iterables] --> 293 check_consistent_length(*result) 294 返回结果 295

~/anaconda3/envs/aiffel/lib/python3.7/site-packages/sklearn/utils/validation.py 在 check_consistent_length(*arrays) 255 如果 len(uniques) > 1： 256 raise ValueError（“发现输入变量的数量不一致” --> 257" 样本：%r" % [int(l) for l in lengths]) 258 259

ValueError: 发现输入变量的样本数量不一致：[2935848,2935849]

解决方法

您的问题已达到，因为您的两个数据框（火车和销售）具有不同的长度。您的训练数据集有 2935848 个样本，销售数据集有 2935849 个。两个数据集的长度必须相同才能正常工作。检查为什么此长度不匹配并添加一行或删除一行以匹配它们。

其次，但同样重要的是，您应该了解您使用 train_test_split 做什么以及您的目标是什么。此函数输入为 X 和 Y，输出 X_train、X_test、y_train、y_test。阅读您的代码，您输入了两个具有相同 5 个特征的 X（X_train 和 X_sales）。我希望你这样做是出于某种原因，请注意这一点。

X 是所有具有特征的样本，Y 是您要预测的相应输出值。检查并评估使用的 train_test_split 是您正在寻找的函数。