决策树代码中accuracy_score报‘Expected array-like...got None’错误如何修复？

核心问题分析 #

你遇到的错误本质是accuracy_score的参数中有一个为None，大概率是前序代码的模型实例化或预测步骤出错，导致y_pred未正确生成（变为None）。结合你的代码，主要存在两个关键问题：

修复步骤 #

• 补全必要的库导入
  你的代码缺少scikit-learn核心模块的导入，这会导致函数/类未定义，后续逻辑执行失败。需要在代码最顶部添加：

  from sklearn.datasets import make_classification
  from sklearn.model_selection import train_test_split
  from sklearn.tree import DecisionTreeClassifier
  from sklearn.metrics import accuracy_score
  

• 修正决策树类名
  scikit-learn中用于分类任务的决策树类是DecisionTreeClassifier，而非你写的DecisionTree。错误的类名会导致模型无法正确实例化，后续的fit和predict调用都会失效，最终y_pred变为None。修改模型实例化代码：

  clf = DecisionTreeClassifier(max_depth=4, criterion='gini')
  

修复后的完整代码 #

from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

X, y = make_classification(n_features=2,n_redundant=0,n_samples=400, random_state=17)
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.3,random_state=17)

clf = DecisionTreeClassifier(max_depth=4, criterion='gini')
clf.fit(X_train, y_train)

y_pred = clf.predict(X_test)
prob_pred = clf.predict_proba(X_test)
accuracy = accuracy_score(y_test,y_pred)
print(f"模型准确率：{accuracy}")

额外验证建议 #

如果修改后仍有问题，可以在计算准确率前添加以下代码，确认y_test和y_pred的有效性：

assert y_test is not None, "y_test 未正确生成"
assert y_pred is not None, "y_pred 未正确生成"

内容的提问来源于stack exchange，提问作者Floda