Python scikit-learn SVM Classifier " ValueError: найденный массив с dim 3. Ожидаемый

Я пытаюсь реализовать классификатор SVM над набором данных MNIST. Поскольку мои параметры являются 3-мерными, его выбрасывание приводит к следующей ошибке:

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

Ниже приведен фрагмент моего кода:

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)

поддерживает ли sklearn многомерный классификатор?

11
python scikit-learn svm

2 ответов

проблема с входными данными.

можно использовать sklearn чтобы загрузить набор данных цифр, а также:

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:])
9

одним из вариантов исправления проблемы было бы изменение формы входных данных в 2-мерный массив.

предположим, что ваши обучающие данные состоят из 10 изображений, каждое из которых представлено в виде матрицы 3x3, и поэтому ваши входные данные трехмерны.

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

мы можем превратить каждое изображение в массив из 9 элементов, чтобы преобразовать набор данных в 2-измерения. 

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

это превратит данные в следующие форма:

[ [1,2,3,4,5,6,7,8,9]  ,  [1,2,3,4,5,6,7,8,9]  , ... ,  [image 10] ]
15