KNN模型训练报错：输入变量样本数不一致问题求助

老哥，我来帮你看看这个KNN拟合报错的问题！你遇到的这个样本数不匹配的错误，根源其实不是特征数不同，而是你处理x和y的代码出了几个关键问题，咱们一步步理清楚：

问题回顾 #

你尝试编写一个比鸢尾花教程更灵活的KNN输入脚本，在步骤6处理NumPy数组维度、步骤11模型拟合时卡住，报错如下：

File "G:\PROGRAMMERING\Anaconda\lib\site-packages\sklearn\utils\validation.py", line 212, in check_consistent_length
" samples: %r" % [int(l) for l in lengths])
ValueError: Found input variables with inconsistent numbers of samples: [150, 1]

你提到x维度是(150,5)，y是(150,1)，但这个描述和你代码里的处理逻辑不符，咱们先看代码里的错误点：

错误原因分析 #

1. 覆盖了numpy库变量：你写了np = df.to_numpy()，这直接把导入的numpy模块覆盖成了你的数组，后续如果用numpy的函数会直接报错，而且这也导致你处理x的方式完全错误
2. x的取值错误：x = np.data是完全无效的写法——NumPy数组根本没有.data这个属性，这里的x其实是一个错误的对象，不是你想要的特征数据
3. y的包装错误：y = [df['species']]把Series放进了一个列表里，这会让sklearn把y识别成1个样本（列表的长度是1），而x那边如果是150个样本，自然就会报样本数不匹配

修正后的完整代码 #

下面是把所有错误点修正后的代码，关键修改处我标了注释：

#1. 导入库：注意不要随便覆盖numpy变量！
import pandas as pd
import numpy as np

#2. 读取自定义数据集
data = pd.read_csv("custom.csv")

#3. 预览前5行数据及数据类型
print(data.head())
print(type(data))

#4. 查看数据形状（data本身就是DataFrame，无需重复转换）
print(data.shape)
print(data)

#5. 将分类变量（species）转换为数值型
print("转换前的数据类型:")
print(data.dtypes)
data['species'] = pd.Categorical(data['species'])
data['species'] = data['species'].cat.codes
print("\n转换后的数据类型:")
print(data.dtypes)

#6. 转换为NumPy数组（用新变量名，避免覆盖numpy库）
data_np = data.to_numpy()
print(type(data_np))
print("数组形状:", data_np.shape)
print(data_np)

# 拆分特征x和标签y（核心修正！）
# x取所有行，除了最后一列（species标签）
x = data_np[:, :-1]
# y取最后一列，直接得到一维数组（sklearn支持一维/二维标签）
y = data_np[:, -1]
# 如果需要二维的y，可以用：y = data_np[:, -1].reshape(-1, 1)

print("\nx的维度:", x.shape)
print("y的维度:", y.shape)

#8. 导入KNN分类器
from sklearn.neighbors import KNeighborsClassifier

#9. 设置K值
k = 2

#10. 初始化KNN模型
knn = KNeighborsClassifier(n_neighbors=k)
print(knn)

#11. 拟合模型（现在样本数完全匹配，不会报错）
knn.fit(x, y)

#12. 预测新样本：注意特征数要和x的特征数一致！
# 比如x是(150,4)，这里就要传4个特征值
print("\n新样本预测结果:", knn.predict([[3, 5, 4, 2]]))

关键修正说明 #

• 不要覆盖numpy库：永远别用np作为自定义变量名，它是numpy库的默认别名，覆盖后会引发各种奇怪问题
• 正确拆分特征与标签：
  • 用数组切片[:, :-1]取所有特征列，[:, -1]取标签列，保证x和y的样本数都是150
  • 绝对不要把标签Series放进列表里，那样会让sklearn误判样本数
• 验证维度：运行代码前可以先打印x和y的形状，确保x是(150, N)（N是特征数），y是(150,)或(150,1)，这样两者样本数一致，就能顺利拟合模型了

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