Python scikit-learn SVM Classifier "ValueError: Found array with dim 3. Expected <= 2"

Question

我正在尝试在 MNIST 数据集上实施 SVM 分类器。由于我的参数是 3 维的，因此会抛出以下错误：

ValueError: Found array with dim 3. Expected <= 2

以下是我的代码片段：

import mnist
from sklearn import svm

training_images, training_labels = mnist.load_mnist("training", digits = [1,2,3,4])
classifier = svm.SVC()
classifier.fit(training_images, training_labels)

sklearn 是否支持多维分类器？

Answer 1

问题出在您的输入数据上。

您也可以使用 sklearn 加载数字数据集：

from sklearn.datasets import load_digits
from sklearn import svm

digits = load_digits()
X = digits.data
y = digits.target

classifier = svm.SVC()
classifier.fit(X[:1000], y[:1000])
predictions = classifier.predict(X[1000:])

Answer 2

解决该问题的一种方法是将输入数据重新整形为二维数组。

假设您的训练数据包含 10 张图像，每张图像都表示为 3x3 矩阵，因此您的输入数据是三维的。

[ [[1,2,3],   [[1,2,3],           [
   [4,5,6],    [4,5,6],            image 10 
   [7,8,9]] ,  [7,8,9]]  , ... ,           ] ]

我们可以将每张图像转换为一个包含 9 个元素的数组，以便将数据集转换为二维。

dataset_size = len(training_images)
TwoDim_dataset = dataset.reshape(dataset_size,-1)

这会将数据变成以下形状：

[ [1,2,3,4,5,6,7,8,9]  ,  [1,2,3,4,5,6,7,8,9]  , ... ,  [image 10] ]

Python scikit-learn SVM Classifier "ValueError: Found array with dim 3. Expected <= 2"

Python scikit-learn SVM Classifier "ValueError: Found array with dim 3. Expected <= 2"

python

svm

scikit-learn