Matplotlib Fehler: 'Höhe' muss Länge 5 oder Skalar sein

Question

Ich versuche, die Ausgabe des Skripts in eine 2-Serie-Balkendiagramm mit Matplotlib in Python 2.7 zu plotten.

Mein 'msg' Skript druckt, die in der folgenden Ausgabe führt:

KNN: 90,000000 (0,322734)

LDA: 83,641395 (0,721210)

CART: 92,600996 (0,399870)

NB: 29,214167 (1,743959)

Zufall Forest: 92,617598 (0,323824)

Nach dem Code gibt die Ergebnisse des ‚msg‘, ich versuche, die Ergebnisse in eine 2-Serie Balkendiagramm plotten matplotlib mit und bin dann mit dem folgenden Fehler zurückgegeben:

Traceback (most recent call last): 
    File "comparison.py", line 113, in <module> 
    label='mean') 
    File "C:\Users\Scot\Anaconda2\lib\site-packages\matplotlib\pyplot.py", line 2650, in bar 
    **kwargs) 
    File "C:\Users\Scot\Anaconda2\lib\site-packages\matplotlib\__init__.py", line 1818, in inner 
    return func(ax, *args, **kwargs) 
    File "C:\Users\Scot\Anaconda2\lib\site-packages\matplotlib\axes\_axes.py", line 2038, in bar 
    "must be length %d or scalar" % nbars) 
ValueError: incompatible sizes: argument 'height' must be length 5 or scalar 

Ich bin nicht sicher, wie sie zu beheben Dies, denke ich, kann es daran liegen, dass die Werte der Ergebnisse ein Gleitkommawert sind. Jede Hilfe würde sehr geschätzt werden. Hier ist mein Code:

# Modules 
import pandas 
import numpy 
import os 
from pandas.tools.plotting import scatter_matrix 
import matplotlib.pyplot as plt 
from matplotlib import style 
plt.rcdefaults() 
from sklearn import preprocessing 
from sklearn import cross_validation 
from sklearn.metrics import classification_report 
from sklearn.metrics import confusion_matrix 
from sklearn.metrics import accuracy_score, precision_recall_curve, average_precision_score 
from sklearn.linear_model import LogisticRegression 
from sklearn.ensemble import RandomForestClassifier 
from sklearn.tree import DecisionTreeClassifier 
from sklearn.neighbors import KNeighborsClassifier 
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis 
from sklearn.naive_bayes import GaussianNB 
from scipy.stats import ttest_ind, ttest_ind_from_stats 
from scipy.special import stdtr 
from sklearn.svm import SVC 
from collections import defaultdict 
from sklearn.preprocessing import LabelEncoder 
import warnings 

# Load KDD dataset 
data_set = "NSL-KDD/KDDTest+.arff" 
import os 
os.system("cls") 

print "Loading: ", data_set 

with warnings.catch_warnings(): 
    warnings.simplefilter("ignore") 

    names = ['duration', 'protocol_type', 'service', 'flag', 'src_bytes', 'dst_bytes', 'land', 'wrong_fragment', 'urgent', 'hot', 'num_failed_logins', 'logged_in', 'num_compromised', 'su_attempted', 'num_root', 'num_file_creations', 
      'num_shells', 'num_access_files', 'num_outbound_cmds', 'is_host_login', 'is_guest_login', 'count', 'srv_count', 'serror_rate', 'srv_serror_rate', 'rerror_rate', 'srv_rerror_rate', 'same_srv_rate', 'diff_srv_rate', 'srv_diff_host_rate', 
      'dst_host_count', 'dst_host_srv_count', 'dst_host_same_srv_rate', 'dst_host_diff_srv_rate', 'dst_host_same_src_port_rate', 'dst_host_srv_diff_host_rate', 'dst_host_serror_rate', 'dst_host_srv_serror_rate', 'dst_host_rerror_rate', 'class', 
      'dst_host_srv_rerror_rate'] 

    dataset = pandas.read_csv(data_set, names=names) 

    for column in dataset.columns: 
     if dataset[column].dtype == type(object): 
      le = LabelEncoder() 
      dataset[column] = le.fit_transform(dataset[column]) 

    array = dataset.values 
    X = array[:, 0:40] 
    Y = array[:, 40] 

    # Split-out validation dataset 
    validation_size = 0.20 
    seed = 7 
    X_train, X_validation, Y_train, Y_validation = cross_validation.train_test_split(
     X, Y, test_size=validation_size, random_state=seed) 

    # Test options and evaluation metric 
    num_folds = 10 
    num_instances = len(X_train) 
    seed = 10 
    scoring = 'accuracy' 

    # Algorithms 
    models = [] 
    models.append(('KNN', KNeighborsClassifier())) 
    models.append(('LDA', LinearDiscriminantAnalysis())) 
    models.append(('CART', DecisionTreeClassifier())) 
    models.append(('NB', GaussianNB())) 
    models.append(('Random Forest', RandomForestClassifier())) 
    # models.append(('LR', LogisticRegression())) 

    # evaluate each model in turn 
    results = [] 
    names = [] 
    for name, model in models: 
     kfold = cross_validation.KFold(n=num_instances, n_folds=num_folds, random_state=seed) 
     cv_results = cross_validation.cross_val_score(
      model, X_train, Y_train, cv=kfold, scoring=scoring) 
     results.append(cv_results) 
     names.append(name) 
     msg = "%s: %f (%f)" % (name, cv_results.mean() * 100, cv_results.std() 
           * 100) # multiplying by 100 to show percentage 
     print(msg) 
     # print cv_results * 100 # plots all values that make the average 

    print ("\n") 

    # Perform T Test on each iteration of models. 
    for i in range(len(results) - 1): 
     for j in range(i, len(results)): 
      t, p = ttest_ind(results[i], results[j], equal_var=False) 
      print("T_Test between {} & {}: T Value = {}, P Value = {}".format(
       names[i], names[j], t, p)) 
      print("\n") 

    plt.style.use('ggplot') 
    n_groups = 5 
    # create plot 
    fig, ax = plt.subplots() 
    index = numpy.arange(n_groups) 
    bar_width = 0.35 
    opacity = 0.8 

    rects1 = plt.bar(index, cv_results, bar_width, 
        alpha=opacity, 
        # color='b', 
        label='mean') # Line 113 

    rects2 = plt.bar(index + bar_width, cv_results.std(), bar_width, 
        alpha=opacity, 
        color='g', 
        label='standard_d') 

    plt.xlabel('Models') 
    plt.ylabel('Percentage') 
    plt.title('All Model Performance') 
    plt.xticks(index + bar_width, (names)) 
    plt.legend() 

    plt.tight_layout() 
    plt.show() 

EDIT

Druck cv_results wie die folgende erscheint und 7 oder 8 Dezimalstellen:

[ 90.48146099 90.48146099 89.42999447 89.5960155 90.03873824 
    89.9833979 89.9833979 89.76203652 90.09407858 90.14941893] 

[ 83.34255672 84.94742667 82.2910902 83.78527947 84.3386829 
    83.9513005 82.78915329 84.06198118 83.39789707 83.50857775] 

[ 93.1931378 92.69507471 91.92030991 92.52905368 92.69507471 
    92.41837299 92.58439402 92.25235196 92.19701162 92.14167128] 

[ 29.05368013 26.89540675 31.54399557 28.22357499 29.27504151 
    27.94687327 33.20420587 28.99833979 28.55561704 28.44493636] 

[ 93.35915883 93.02711677 92.25235196 91.69894853 93.02711677 
    92.63973437 92.58439402 92.14167128 92.47371334 92.69507471] 

Answer 1

wenn Sie die Mittel von cv_results darstellen möchten , müssen Sie die Mittel mit .mean() berechnen, wie Sie mit .std() in der zweiten Handlung tun.

Auch gehen Sie durch den Prozess cv_results zu results für jedes Modell von Anhängen, aber dann, wenn Sie kommen, um die Auftragung zu tun, scheint es, wie Sie noch cv_results verwenden, aber das ist wahrscheinlich nur die cv_results sein würde für das letzte Modell, auf das in der Schleife zugegriffen wird.

Es sieht aus wie Ihre results wird dann eine Liste mit 5 numpy Arrays. Also, man konnte Schleife über diese Liste, berechnen den Mittelwert jeder Array, und verwenden Sie, dass Ihr BarPlot plotten:

mean_results = [res.mean() for res in results] 
rects1 = plt.bar(index, mean_results, bar_width, 
       alpha=opacity, 
       # color='b', 
       label='mean') 

Alternativ können Sie nur cv_results.mean() während der ursprünglichen Schleife zu einer Liste anzuhängen, und verwenden Sie diese Liste um dein Bar-Plot zu machen.