Python scikit-learn SVM Classificateur "ValueError: tableau trouvé avec dim 3. Attendu & lt; = 2"

Je suis en train de mettre en œuvre des SVM sur MNIST dataset.
Que mes paramètres sont les 3 dimensions de son lancement le message d'erreur suivant:

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

Voici mon extrait de code:

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)

Ne sklearn support multi-dimensionnel classificateur?

source d'informationauteur Hitanshu Tiwari

  1. 9

    Le problème est avec votre entrée de données.

    Vous pouvez utiliser sklearn pour charger un chiffre dataset:

    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:])
  2. 15

    Une option pour régler le problème serait de remodeler l'entrée des données dans un tableau en 2 dimensions.

    Supposons que vos données d'entraînement se compose de 10 images qui sont représentés comme une matrice de 3x3 et, par conséquent, vos données d'entrée est à 3 dimensions.

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

    Nous pouvons transformer chaque image dans un tableau de 9 éléments en vue de convertir le jeu de données en 2 dimensions. 

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

    Ce serait à son tour les données dans la forme suivante:

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