Python将np 4D数组重塑为2D数组。Kaggle图像数据
Python将np 4D数组重塑为2D数组。Kaggle图像数据
提问于 2018-08-02 15:47:53
我正在尝试将一个4D数组转换为2D数组，以便使用sklearn SVM模型，但当我尝试使用模型中的数据时，它给我带来了问题。因此，我将数据拆分为训练数据和测试数据，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)然后我这样看它的形状
npXt.shape这就给了我这个
(28709, 48, 48, 1)我试着通过这样做来改变它；
npXt.transpose((28709, 48, 48, 1)).reshape(np.prod(npXt.shape[:2]),-1)但是给出了这个错误。
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？
感谢你在这方面的帮助
更新：谢谢你的所有建议:我试过了，出现了如下错误：
ValueError: bad input shape (28709, 7)下面是我为达到这个目的所做的修复。我认为的问题是，我目前没有对数组进行重塑。所以我像这样下载数据，这样就可以很好地工作：
x_train, y_train, x_test, y_test = aiu.getKaggleData(file,numClass)结果如下所示：
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我希望这个和这个在我构建的另一个模型中工作。接下来，我像这样构建SVM模型：
clf = SVC(C=0.01, kernel='linear', decision_function_shape='ovo', probability=True) 然后将训练和测试数据转换为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)然后使用所建议的内容
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)这给了我这样的结论：
(1378032, 48) #for data
(28709, 7) #for lables然后我试着像这样训练模型
clf.fit(newXTrain,npYt)这就给了我这个
raise ValueError("bad input shape {0}".format(shape))
ValueError: bad input shape (28709, 7)感谢你到目前为止的所有帮助
我甚至尝试过这样做，但仍然给出一个错误：
newXTrain = np.transpose( my_array ).reshape(np.prod(npXt.shape[:1]),-1)这给了我一个看起来很有希望的东西。
(28709, 2304)
(28709, 7)但给出了与ValueError: bad input shape (28709, 7)相同的错误
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51648253
复制相关文章
相似问题