如何用scikit-learn对二维输入做训练测试划分？解决维度不匹配错误

问题根源 #

你当前构造的X = [X1, X2]是包含两个一维数组的列表，结构为2个样本，每个样本126个特征，但y是对应126个样本的标签数组，这导致train_test_split检测到输入样本数不匹配（2 vs 126），抛出ValueError。

而神经网络要求的输入格式是n_samples行，n_features列（每个样本对应一行，特征作为列），也就是形状为(126, 2)的二维数组。

修正步骤 #

1. 合并特征为正确的输入矩阵
   使用np.column_stack()将X1和X2按列合并，得到每行对应一个样本、包含两个特征的二维数组：

   import numpy as np
   from sklearn.model_selection import train_test_split
   
   X1 = np.arange(0,4*np.pi,0.1)   # 共126个样本
   X2 = np.cos(X1)
   y = np.sin(X1)
   
   # 合并为(n_samples, n_features)格式的二维数组
   X = np.column_stack((X1, X2))
   

   此时X.shape输出为(126, 2)，符合要求。

2. 正常执行train-test拆分
   修正X后，train_test_split可正确拆分数据：

   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.4)
   

   拆分后的X_train形状为(75, 2)，X_test为(51, 2)，与对应标签的样本数完全匹配。

3. 适配Keras神经网络输入
   你后续设置的input_dim=2完全正确，因为每个样本包含2个特征，修正后的输入矩阵和该设置完美兼容：

   from keras.models import Sequential
   from keras.layers import Dense
   
   model = Sequential()
   model.add(Dense(10, input_dim=2, activation='relu'))
   

验证要点 #

• 始终确保输入特征矩阵的形状为(样本数, 特征数)
• 拆分前可用print(X.shape)和print(y.shape)确认两者样本数一致（均为126）

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