HTML输入逗号分隔值到NumPy数组用于预测时遇ValueError求助

错误原因 #

你当前的代码直接把请求中获取的完整逗号分隔字符串转为NumPy数组，得到的是一个仅包含1个字符串元素的1D数组，而训练好的LogisticRegression模型要求输入是2D数组（单个样本对应形状为(1, 特征数量)），且所有特征值必须是数值类型。

修正步骤 #

1. 把获取到的逗号分隔字符串按逗号拆分，得到单个特征的字符串列表
2. 将每个字符串特征转为float数值类型
3. 转为NumPy数组后，调整数组形状为模型要求的2D格式

修改后的view.py代码 #

def output(request):
    # 建议：把模型训练部分移到外部，避免每次请求都重新训练，提升性能
    dff = pd.read_csv(r'C:\Users\Downloads\data.csv')
    y = dff['diagnosis'].values
    x = dff.drop('diagnosis', axis=1).values
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.40)
    model = LogisticRegression()
    model.fit(x_train, y_train)
    
    # 处理输入的逗号分隔值
    input_str = request.GET['n1']
    # 拆分字符串并转为float数组
    v1 = np.array([float(val) for val in input_str.split(',')])
    # 调整为2D数组，对应单个样本
    v1 = v1.reshape(1, -1)
    
    pred = model.predict(v1)
    pred1 = "positive" if pred == [1] else "negative"
    
    return render(request, 'prediction.html', {"predictResult": pred1})

关键修改点说明 #

• 使用input_str.split(',')拆分输入的逗号分隔字符串，得到每个特征的字符串值
• 通过列表推导式[float(val) for val in ...]将所有特征转为数值类型
• 调用reshape(1, -1)把1D数组转为形状为(1, 30)的2D数组（对应你输入的30个特征），符合模型的输入要求

额外优化建议 #

• 不要在每次请求时重新训练模型，建议提前训练好模型并保存（比如用joblib），请求时直接加载，大幅提升响应速度
• 可以添加输入验证逻辑，检查输入是否为合法的逗号分隔数值，避免因输入格式错误导致程序崩溃

内容的提问来源于stack exchange，提问作者Rabindra Dhital