数值错误：X有1个特征，但SVC需要3个特征作为输入。

Question

我正在尝试使用Keras和sklearn创建股票价格预测器（不用于实际投资，不用担心），它从Kaggle获取任何时间序列并检查“Close”。然后，它采用特定长度的滚动时间窗口，并预测方向准确性，上升（1）或下降（0）。

在尝试运行以下代码时，出现了以下错误：

File "...", line 71, in test
    y_pred = self.model.predict(self.X_test)
ValueError: X has 1 features, but SVC is expecting 3 features as input.

有人能指导我可能存在的问题吗？SVC期望的特征是什么，我可能缺失了哪些？

代码：Model.py

create_features检查滚动时间窗口中市场是高还是低，并设置X和y：

#window_size = the set size of the rolling time window

def create_features(data, window_size):
    X = []
    y = []

    for i in range(0, len(data.index) - window_size):
        temp = [data.iloc[i + j]['Close'] for j in range(0, window_size)]
        avg = sum(temp) / len(temp)

        X.append(temp)
        y.append(0 if data.iloc[i + window_size]['Close'] < avg else 1)

    return X, y

class Model:
    def __init__(self, market: Market, training_percent: float, window_size: int):
        self.model = SVC(C=10, gamma='scale', kernel='rbf')

        X, y = create_features(market.data, window_size)
        self.X_train, self.y_train, self.X_test, self.y_test = train_test_split(X, y, shuffle=False, stratify=None, train_size=training_percent)

        self.X_train = np.array(self.X_train)
        self.y_train = np.array(self.y_test)

        #self.X_test = np.array(self.X_test).reshape(-1, 1)

    def train(self):
        self.model.fit(self.X_train, self.y_train)

    def test(self):
        y_pred = self.model.predict(self.X_test) #THE COMPLAINING LINE

        y_pred = [0 if i < 0.5 else 1 for i in y_pred]
        tn, fp, fn, tp = confusion_matrix(self.y_test, y_pred, labels=[0, 1]).ravel()
        print(tn, fp, fn, tp)
        print("Accuracy:", (tn + fp) / (tn + fp + fn + tp))

    def predict(self, input_array):
        return self.model.predict(input_array)

上述被称为：

model_test = Model(markets[m], training_testing[j], window_size[i])
model_test.train()
model_test.test()

任何关于这个问题的帮助将不胜感激。提前谢谢。

- Nightingale

---

np.shape(X_test) 是什么？ - user2246849

@user2246849 使用np.reshape()解决了另一个问题，即“ValueError: Expected 2D array, got 1D array instead”。在错误本身中建议添加“reshape”来解决问题：“如果您的数据具有单个特征，请使用array.reshape(-1,1)进行数据重塑；如果它包含单个样本，则使用array.reshape(1,-1)。” - Nightingale

抱歉，我是指X_test的形状，因此是我上面写的命令的输出。 - user2246849

@user2246849 不好意思，输出结果是“(1508, 1)” 。 - Nightingale

这是包括还是不包括 reshape(-1, 1)？你能用X_train做同样的操作吗，即 np.shape(X_train)？ - user2246849

@user2246849 如果没有 .reshape(-1, 1)，它的形状是 (1508,)。而加上了 reshape 后，形状变成了 (1508, 1)。 - Nightingale

Answer 1

问题在于你如何获取 train_test_split 的输出。 如文档中所述，您应该按顺序获取分裂数据集：

# Notice the order of the unpacking.
self.X_train, self.X_test, self.y_train, self.y_test = train_test_split(X, y, shuffle=False, stratify=None, train_size=training_percent)

因此，测试数据集的形状不同，因为它实际上是训练标签。您也不需要使用.reshape。

另外，不确定您是否想要执行此操作：

# Assigning y_test to y_train.
self.y_train = np.array(self.y_test)

- user2246849

---

谢谢，我之前是根据旧笔记而不是文档来接单，这是个大错误！至于第二点，那是我在删除无用的发布代码时犯的错误。 - Nightingale

谢谢！这个错位导致了我的作业出现了很多不必要的问题。 - razalghul