Sklearn鸢尾花分类代码报错：期望2D数组却得到1D数组

嘿，这个问题我帮不少刚入门机器学习的朋友踩过坑，咱们一步步拆解清楚：

错误原因 #

你遇到的这个报错，核心是Sklearn的模型训练方法fit()对输入数据的维度有严格要求：

• 特征数据（也就是train_data）必须是二维数组，形状得是(样本数量, 特征数量)——简单说就是每一行代表一个样本，每一列代表这个样本的一个特征。
• 但你的代码里，train_data = np.delete(iris.data, test_index)这一行出了问题：np.delete默认会把输入的多维数组先扁平化（拉成一维），再删除指定索引的元素。原本iris.data是(150,4)的二维数组（150个样本，每个样本4个特征），经过这个操作后，train_data变成了一维数组，形状是(588,)（1504 - 34 = 588），完全不符合Sklearn的要求，所以才会抛出这个维度不匹配的错误。

为什么会涉及数组重塑（reshape）？ #

很多新手会想到用reshape把一维数组转回去，但其实这是治标不治本的——因为扁平化后删除元素再重塑，会打乱样本的特征结构（原本的4个特征会被拆得乱七八糟）。真正的问题是你没告诉np.delete要按行删除样本，而不是乱删元素。

正确的解决办法 #

只需要给np.delete加上axis=0参数，指定按行（也就是样本维度）删除：

from sklearn.datasets import load_iris
from sklearn import tree
import numpy as np
# load data
iris= load_iris()
# position of the start of the flower names or indexes
test_index=[0,50,100]
# Training data
train_target = np.delete(iris.target,test_index)
# 加上axis=0，按行删除样本，保持二维结构
train_data=np.delete(iris.data,test_index, axis=0)
test_target=iris.target[test_index]
test_data=iris.data[test_index]
clf = tree.DecisionTreeClassifier()
clf=clf.fit(train_data , train_target)
print(test_target)

修改后，train_data的形状会是(147,4)，完全符合Sklearn的输入要求，代码就能正常运行了。

你可以自己加一行print(train_data.shape)验证一下，看看是不是二维数组~

内容的提问来源于stack exchange，提问作者Ayush Pant