我正在尝试为图像数据训练 SVC 分类器。然而，当我运行这段代码时：
classifier = svm.SVC(gamma=0.001)
classifier.fit(train_set, train_set_labels)
我收到此错误：
ValueError: setting an array element with a sequence.
我使用 Matplotlib: 将图像生成到一个数组中plt.imread(image)。
该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的列表中）：
print(type(train_set))
print(type(train_set_labels))
<class 'list'>
<class 'list'>
如果我这样做，plt.imshow(items[0])则图像在输出中正确显示。
我也叫train_test_split自scikit-learn：
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'
我不确定我缺少哪个步骤来以分类器需要的形式获取数据以训练它。谁能看到可能需要什么？
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。这向我表明您的 train_set 由多维元素列表组成，尽管您确实声明您的输入是列表。你能发布一个输入和标签的例子吗？
更新 是的，就像我想的那样。训练数据的第一个元素 train_set[0] 对应于一个长列表（我不知道有多长），其中的每个元素都由 3 个元素的列表组成。因此，当分类器需要列表列表（m 行对应于每行由 n 个特征组成的列表的训练示例的数量）时，您将在列表列表中调用分类器。您的 train_set 数组中还有什么？train_set[0] 中是完整的数据集吗？如果是这样，您将需要创建一个新数组，其中每个元素对应于 train_set[0] 的每个子元素，然后我相信您的代码应该运行，尽管我对该分类器不太熟悉。或者，您可以尝试使用 train_set[0] 运行分类器。
更新 2
我没有使用 scikit-learn.svc 的经验，所以我无法告诉你预处理数据的最佳方法是什么，以便算法可以接受它，但一种方法是像我一样做前面说过，对于由列表组成的 train_set 的每个元素，将递归遍历并将 sublist 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])
然后我会用 new_train_set 和训练标签进行训练。
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