SGDClassifier在MNIST中的应用
SGDClassifier在MNIST中的应用
提问于 2017-07-24 15:21:54
我正在执行自我学习与(O'Reilly)的手动机器学习w/ scikit_Learn“，目前使用不同的分类器的MNIST数据。
第94页的文本显示，SGDClassifier能够执行多类分类，并使用OvA算法。当我尝试像这样安装分类器时：
sgd_clf = SGDClassifier()
sgd_clf.fit(x_train, y_train) 我收到一个错误：
输入形状差(55000，10)。
这似乎与课文相矛盾。
数据信息
x_train.shape是55000x784，y_train.shape是55000x10，它们都是numpy.ndarray。
当我安装KNeighborsClassifier时，它工作得非常完美。
SGDClassifier是否解决了多类分类问题？
谢谢!
回答 1
Stack Overflow用户
发布于 2017-07-24 16:09:54
正如文献资料中提到的，
作为其他分类器，SGD必须安装两个数组:大小为n_samples的数组X、保存训练样本的n_features数组和包含训练样本目标值(类标签)的n_samples大小数组Y。
这意味着y是一个由类标签组成的一维数组，如下面的示例所示(取自上面的链接)：
>>> from sklearn.linear_model import SGDClassifier
>>> X = [[0., 0.], [1., 1.]]
>>> y = [0, 1]
>>> clf = SGDClassifier(loss="hinge", penalty="l2")
>>> clf.fit(X, y)
SGDClassifier(alpha=0.0001, average=False, class_weight=None, epsilon=0.1,
eta0=0.0, fit_intercept=True, l1_ratio=0.15,
learning_rate='optimal', loss='hinge', n_iter=5, n_jobs=1,
penalty='l2', power_t=0.5, random_state=None, shuffle=True,
verbose=0, warm_start=False)因此，您应该将y转换为由类标签组成的向量(在本例中为0-9)。
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/45284375
复制相关文章
相似问题
腾讯云开发者
