在 scikit-learn 中使用图像数据拟合支持向量分类器会产生错误

Question

我正在尝试为图像数据训练 SVC 分类器。然而，当我运行此代码时：

classifier = svm.SVC(gamma=0.001)
classifier.fit(train_set, train_set_labels)

我收到这个错误：

ValueError: setting an array element with a sequence.

我用 Matplotlib 将图像制作成数组：plt.imread(image)。

错误似乎不在数组中，但是当我检查数据类型和标签时，它们都是列表（我手动添加到标签数据列表）：

print(type(train_set))
print(type(train_set_labels))

<class 'list'>
<class 'list'>

如果我执行 plt.imshow(items[0])，则图像会在输出中正确显示。

我还从 scikit-learn 打给了 train_test_split：

train_set, test_set = train_test_split(items, test_size=0.2, random_state=42)

示例输入：

train_set[0]

array([[[212, 134,  34],
    [221, 140,  48],
    [240, 154,  71],
    ..., 
    [245, 182,  51],
    [235, 175,  43],
    [242, 182,  50]],

   [[230, 152,  51],
    [222, 139,  47],
    [236, 147,  65],
    ..., 
    [246, 184,  49],
    [238, 179,  43],
    [245, 186,  50]],

   [[229, 150,  47],
    [205, 122,  28],
    [220, 129,  46],
    ..., 
    [232, 171,  28],
    [237, 179,  35],
    [244, 188,  43]],

   ..., 
   [[115, 112, 103],
    [112, 109, 102],
    [ 80,  77,  72],
    ..., 
    [ 34,  25,  28],
    [ 55,  46,  49],
    [ 80,  71,  74]],

   [[ 59,  56,  47],
    [ 66,  63,  56],
    [ 48,  45,  40],
    ..., 
    [ 32,  23,  26],
    [ 56,  47,  50],
    [ 82,  73,  76]],

   [[ 29,  26,  17],
    [ 41,  38,  31],
    [ 32,  29,  24],
    ..., 
    [ 56,  47,  50],
    [ 59,  50,  53],
    [ 84,  75,  78]]], dtype=uint8)

示例标签：

 train_set_labels[0]

 'Picasso'

我不确定我缺少哪一步才能以分类器训练它所需的形式获取数据。任何人都可以看到可能需要什么吗？

Answer 1

您收到的错误消息：

 ValueError: setting an array element with a sequence,

当您尝试将列表放在需要单个值的地方时，通常会产生结果。这会向我暗示你的 train_set 是由一个多维元素列表组成的，尽管你确实声明你的输入是列表。您能否 post 您的输入和标签的示例？

更新是的，跟我想的一样。你的训练数据的第一个元素，train_set[0]，对应一个很长的列表（我不知道有多长），其中的每个元素由一个包含 3 个元素的列表组成。因此，当分类器需要一个列表列表（m 行对应于训练示例的数量，每行由 n 个特征的列表组成）时，您将在列表列表的列表上调用分类器。 train_set 数组中还有什么？ train_set[0]中是否有完整的数据集？如果是这样，您需要创建一个新数组，每个元素对应于 train_set[0] 的每个子元素，然后我相信您的代码应该运行，虽然我不太熟悉那个分类器。或者，您可以尝试运行使用 train_set[0].

分类器

更新 2

我没有使用 scikit-learn.svc 的经验，所以我无法告诉您预处理数据以使其被算法接受的最佳方法是什么，但是一个方法将按照我之前所说的去做，对于由列表列表组成的 train_set 的每个元素，将递归并将子列表的所有元素放入上面的列表中。例如

new_train_set = []
    for i in range(len(train_set)):
        for j in range(len(train_set[i]):
        new_train_set.append([train_set[i,j])

然后我将使用 new_train_set 和训练标签进行训练。

在 scikit-learn 中使用图像数据拟合支持向量分类器会产生错误

Fitting a Support Vector Classifier in scikit-learn with image data produces error

machine-learning

scikit-learn

classification

svm

multilabel-classification