KNeighborsClassifier predict方法抛出“Expected 2D array, got 1D array instead”异常的问题排查

你正在开发图像相似度算法，用cv2.calcHist提取图像特征后将其以numpy.float64列表的形式存入JSON文件，之后加载数据用sklearn的KNeighborsClassifier做分类，但在调用predict方法时遇到了维度不匹配的错误——明明X_train和X_test的形状看起来是对的（(36,4096)和(9,4096)），但fit能成功运行，predict却报错说收到了1D数组。你尝试了各种reshape操作，但要么导致特征数不匹配，要么样本数不一致，始终没解决问题。

你的加载和训练代码如下：

import numpy as np
import json
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics.pairwise import cosine_similarity


with open('data.json') as f:
    jsonData = json.load(f)

X = []
y = []

for image in jsonData['images']:
    embeddingData = image['histogram']
    X.append(embeddingData)
    y.append(image['classification'])

X = np.array(X)
y = np.array(y)

#split dataset into train and test data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1, stratify=y)

print('Shape of X_train:')
print(X_train.shape)
print('Shape of X_test:')
print(X_test.shape)
print('Shape of y_train:')
print(y_train.shape)

# Create KNN classifier
knn = KNeighborsClassifier(n_neighbors = 1, metric=cosine_similarity)
# Fit the classifier to the data
knn.fit(X_train, y_train)

#show predictions on the test data
y_pred = knn.predict(X_test)

运行后在y_pred = knn.predict(X_test)这一行抛出的错误：

ValueError: Expected 2D array, got 1D array instead:
array=[1.13707140e-01 9.81128156e-01 2.89475545e-02 ... 0.00000000e+00
 5.02811105e-04 1.15502894e-01].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

你尝试reshape后又遇到的错误：

• 执行y_pred = knn.predict(X_test.reshape(-1, 1))时：

ValueError: X has 1 features, but KNeighborsClassifier is expecting 4096 features as input.

• 执行knn.fit(X_train.reshape(-1, 1), y_train)时：

ValueError: Found input variables with inconsistent numbers of samples: [147456, 36]

问题根源分析 #

你遇到的核心问题是错误地将cosine_similarity函数直接传给了KNeighborsClassifier的metric参数。

sklearn的KNeighborsClassifier对metric参数的要求是：要么是字符串（比如'cosine'），要么是符合特定签名的自定义距离函数——自定义函数需要接收两个1D数组（单个样本），返回一个标量距离值；但sklearn.metrics.pairwise.cosine_similarity的设计是接收两个2D数组（样本集合），返回一个相似度矩阵，完全不符合KNN对metric函数的要求。

当你用cosine_similarity作为metric时，KNN内部在计算距离时会错误地处理输入维度，导致在predict阶段把整个测试集当成了单个1D样本，从而抛出维度不匹配的错误。而fit阶段没报错，是因为fit时的逻辑和predict时的样本处理逻辑不同，刚好没触发维度检查的问题。

解决方案 #

只需要把metric参数改成字符串'cosine'即可，sklearn会自动使用对应的余弦距离计算逻辑：

修改KNN初始化的代码：

# Create KNN classifier
knn = KNeighborsClassifier(n_neighbors = 1, metric='cosine')

然后直接运行原代码，不需要对X_train或X_test做额外的reshape操作——因为你的X_train和X_test的形状已经是正确的2D数组（样本数×特征数）。

验证逻辑 #

修改后，KNN会正确识别输入的2D数组：

• X_train是(36,4096)，代表36个样本，每个样本4096个特征
• X_test是(9,4096)，代表9个测试样本，特征数和训练集一致

此时predict方法会正常处理每个测试样本，不会再抛出维度错误。

备注：内容来源于stack exchange，提问作者papaya