我正在尝试将4D数组转换为2D数组以使用sklearn SVM模型,但是当我尝试使用模型中的数据时,这给我带来了问题。因此,我将数据分为训练和测试数据,然后将其转换为np数组,如下所示。
#Train data
npXt = np.array(x_train)
npYt = np.array(y_train)
#Eval test data
npXT = np.array(x_test)
npYT = np.array(y_test)
然后我看着这样的形状
npXt.shape
这给了我这个
(28709, 48, 48, 1)
我试图通过这样做来改变它;
npXt.transpose((28709, 48, 48, 1)).reshape(np.prod(npXt.shape[:2]),-1)
但是给出这个错误。
AxisError Traceback (most recent call last)
<ipython-input-8-2682876229f4> in <module>()
----> 1 npXt.transpose((28709, 48, 48, 1)).reshape(np.prod(npXt.shape[:2]),-1)
AxisError: axis 28709 is out of bounds for array of dimension 4
我在这里做错了什么?
感谢您对此的任何帮助
更新:谢谢您的所有建议:我尝试过,但出现这样的错误:
ValueError: bad input shape (28709, 7)
因此,这就是我已经解决的问题。我认为问题是我目前没有在重塑阵列。所以我下载了这样的数据,这很好用:
x_train, y_train, x_test, y_test = aiu.getKaggleData(file,numClass)
结果如下:
Creating Testing and Training datasets
Filling datasets
Transforming data to fit model's needs
Normalizing traing/testing datasets
Reshaping data
28709 train samples
3589 test samples
我期望这一点,并且可以与我构建的另一个模型一起使用。接下来,我将像这样构建SVM模型:
clf = SVC(C=0.01, kernel='linear', decision_function_shape='ovo', probability=True)
然后像这样将火车和测试数据转换为np数组
#Train data
npXt = np.array(x_train)
npYt = np.array(y_train)
#Eval test data
npXT = np.array(x_test)
npYT = np.array(y_test)
然后使用建议的内容
my_array = np.ones((28709, 48, 48, 1))
newXTrain = np.transpose( my_array ).reshape(np.prod(npXt.shape[:2]),-1)
print(newXTrain.shape)
print(npYt.shape)
这给了我这个:
(1378032, 48) #for data
(28709, 7) #for lables
然后我尝试像这样训练模型
clf.fit(newXTrain,npYt)
这给我这个
raise ValueError("bad input shape {0}".format(shape))
ValueError: bad input shape (28709, 7)
谢谢您到目前为止的所有帮助
我什至尝试过,但仍然给出错误:
newXTrain = np.transpose( my_array ).reshape(np.prod(npXt.shape[:1]),-1)
这给了我这个看起来很有希望的东西。
(28709, 2304)
(28709, 7)
但是给出了与 ValueError: bad input shape (28709, 7)
我不明白为什么您要在整形之前转置数组,但是您使用的是错误的转置方式。
它应该是:
my_array = np.ones((28709, 48, 48, 1))
np.transpose( my_array ).reshape(np.prod(npXt.shape[:2]),-1)
如果将元组传递给转置函数,它将把它解释为矩阵轴索引的新顺序。因此,转置轴号28709在这里没有意义。
如果要重塑,可能根本不需要移调
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句