我将sklearn 0.19.1与DecisionTree和AdaBoost一起使用。
我有一个可以正常工作的DecisionTree分类器：
clf = tree.DecisionTreeClassifier()
train_split_perc = 10000
test_split_perc = pdf.shape[0] - train_split_perc
train_pdf_x = pdf[:train_split_perc]
train_pdf_y = YY[:train_split_perc]
test_pdf_x = pdf[-test_split_perc:]
test_pdf_y = YY[-test_split_perc:]
clf.fit(train_pdf_x, train_pdf_y)
pred2 = clf.predict(test_pdf_x)
但是，当尝试添加AdaBoost时，它会在预测函数上引发错误：
treeclf = tree.DecisionTreeClassifier(max_depth=3)
adaclf = AdaBoostClassifier(base_estimator=treeclf, n_estimators=500, learning_rate=0.5)
train_split_perc = 10000
test_split_perc = pdf.shape[0] - train_split_perc
train_pdf_x = pdf[:train_split_perc]
train_pdf_y = YY[:train_split_perc]
test_pdf_x = pdf[-test_split_perc:]
test_pdf_y = YY[-test_split_perc:]
adaclf.fit(train_pdf_x, train_pdf_y)
pred2 = adaclf.predict(test_pdf_x)
该错误特别指出：
ValueError: bad input shape (236821, 6)它似乎指向的数据集是
train_pdf_y，因为它的形状为(236821, 6)，我不明白为什么。从AdaBoostClassifier in the docs的描述中，我可以了解到，使用数据的实际分类器是DecisionTree：
AdaBoost 1分类器是一个以拟合开始的元估计器
原始数据集上的分类器，然后拟合其他副本
分类器在同一数据集上的权重
调整了错误分类的实例，以便后续
分类者更多地关注困难情况
但是我仍然遇到这个错误。
在code examples I've found中，即使在sklearn的网站上也有关于如何使用AdaBoost的信息，我无法理解我在做什么错。
任何帮助表示赞赏。
最佳答案
在给定形状为y的情况下，您似乎正在尝试执行Multi-Output classification problem，否则将n维y馈送到adaclf.fit(train_pdf_x, train_pdf_y)并没有意义。
因此，假设是这种情况，问题在于Scikit-Learn的DecisionTreeClassifier确实支持多输出问题，即形状为y的[n_samples, n_outputs]输入。但是，AdaBoostClassifier并非如此，因为从文档中，标签必须为：
y：形状类似数组= [n_samples]
关于python - 为什么AdaBoost无法与DecisionTree一起使用？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/54183099/