E:\bigHome\book\KNN1.py:90: MatplotlibDeprecationWarning: Support for FigureCanvases without a required_interactive_framework attribute was deprecated in Matplotlib 3.6 and will be removed two minor releases later. plt.plot(k_range, k_scores)

这个警告是由于 Matplotlib 库的版本更新导致的，提示你使用的代码中的某些部分在未来可能会被删除。具体来说，警告中提到的是 FigureCanvases 没有 required_interactive_framework 属性，这个属性是 Matplotlib 3.6 引入的新特性。

虽然这个警告不会影响你的程序运行，但建议你将代码中的 FigureCanvas 替换为新的 FigureCanvasTkAgg，以避免警告。具体来说，你需要在代码中添加以下几行：

import matplotlib
matplotlib.use('TkAgg')

然后，在绘制图像时，使用 FigureCanvasTkAgg 替代 FigureCanvas，例如：

from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg

figure = plt.figure(figsize=(5, 4))
canvas = FigureCanvasTkAgg(figure, master=window)
canvas.get_tk_widget().pack()

这样就可以避免这个警告，并且确保代码在未来的 Matplotlib 版本中仍然可以正常运行。

相关问题

E:\bigHome\book\tree1.py:158: MatplotlibDeprecationWarning: Support for FigureCanvases without a required_interactive_framework attribute was deprecated in Matplotlib 3.6 and will be removed two minor releases later. plt.figure(figsize=(20, 10)) Traceback (most recent call last): File "E:\bigHome\book\tree1.py", line 159, in <module> plot_tree(clf, filled=True) TypeError: plot_tree() got an unexpected keyword argument 'filled'

这个错误提示是因为你使用的是一个不支持filled参数的plot_tree函数。可以尝试使用其他库或者手动实现带有filled参数的plot_tree函数。

下面是手动实现的带有filled参数的plot_tree函数的代码：

import matplotlib.pyplot as plt

def plot_tree(node, filled=False):
    if node.leaf:
        color = 'orange' if node.value == 1 else 'blue'
        plt.text(node.x, node.y, str(node.value), color=color,
                 fontdict={'weight': 'bold', 'size': 14})
    else:
        plt.text(node.x, node.y, str(node.feature_idx), color='black',
                 fontdict={'weight': 'normal', 'size': 12})
        if node.left:
            plt.plot([node.x, node.left.x], [node.y, node.left.y], 'k-', linewidth=1.0)
            plot_tree(node.left, filled)
        if node.right:
            plt.plot([node.x, node.right.x], [node.y, node.right.y], 'k-', linewidth=1.0)
            plot_tree(node.right, filled)

    if filled and node.leaf:
        color = 'orange' if node.value == 1 else 'blue'
        rect = plt.Rectangle((node.x - 0.5, node.y - 0.25), 1, 0.5, fill=True, color=color, alpha=0.2)
        plt.gca().add_patch(rect)

这个函数的用法和scikit-learn库中的plot_tree函数类似，只不过增加了一个filled参数。如果该参数为True，则会在叶子节点上绘制一个填充矩形，颜色表示该节点所代表的类别。

Traceback (most recent call last): File "E:\bigHome\book\tree1.py", line 180, in <module> clf.fit(X,y) File "E:\bigHome\book\tree1.py", line 29, in fit self.root = self._build_tree(X, y, depth=0) File "E:\bigHome\book\tree1.py", line 35, in _build_tree n_samples, n_features = X.shape AttributeError: 'list' object has no attribute 'shape'

这个错误提示是因为你在使用决策树模型时传递了一个列表对象，而列表对象没有shape属性，不能被用于机器学习模型。

解决这个问题的方法是，将列表对象转换成Numpy数组或者Pandas数据框对象，这些对象都具有shape属性，并且可以被用于机器学习模型。例如，你可以使用以下代码将一个列表对象X转换成Numpy数组：

import numpy as np

X = np.array(X)

或者，你可以使用以下代码将一个列表对象X转换成Pandas数据框对象：

import pandas as pd

X = pd.DataFrame(X)

在转换成Numpy数组或者Pandas数据框对象之后，你就可以使用shape属性来获取对象的形状，并将它们用于机器学习模型了。请注意，在使用Scikit-learn的机器学习模型时，你需要确保你传递的对象是Numpy数组或者Pandas数据框对象，这些对象具有shape属性，可以被用于机器学习模型。