sklearn SVM fit() "ValueError: Setzen eines Array-Elements mit einer Sequenz"

Ich verwende sklearn, um SVM auf meine eigenen Bilder anzuwenden. Die Bilder werden in einen Datenrahmen eingefügt. Ich übergebe der Fit-Funktion ein numpliges Array mit 2D-Listen, diese 2D-Listen stellen Bilder dar und die zweite Eingabe, die ich an die Funktion übergebe, ist die Liste der Ziele (Die Ziele sind Zahlen). Ich bekomme immer diesen Fehler "ValueError: Setzen eines Array-Elements mit einer Sequenz".sklearn SVM fit() "ValueError: Setzen eines Array-Elements mit einer Sequenz"

trainingImages = images.ix[images.partID <=9] 
trainingTargets = images.clustNo.ix[images.partID<=9] 
trainingImages.reset_index(inplace=True,drop=True) 
trainingTargets.reset_index(inplace=True,drop=True) 

classifier = svm.SVC(gamma=0.001) 
classifier.fit(trainingImages.image.values,trainingTargets.values.tolist())

Der Fehler:

--------------------------------------------------------------------------- 
ValueError        Traceback (most recent call last) 
<ipython-input-43-5336fbeca868> in <module>() 
     8 classifier = svm.SVC(gamma=0.001) 
     9 
---> 10 classifier.fit(trainingImages.image.values,trainingTargets.values.tolist()) 
    11 
    12 #classifier.fit(t, list(range(0,2899))) 

/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/sklearn/svm/base.py in fit(self, X, y, sample_weight) 
    148   self._sparse = sparse and not callable(self.kernel) 
    149 
--> 150   X = check_array(X, accept_sparse='csr', dtype=np.float64, order='C') 
    151   y = self._validate_targets(y) 
    152 

/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/sklearn/utils/validation.py in check_array(array, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator) 
    371          force_all_finite) 
    372  else: 
--> 373   array = np.array(array, dtype=dtype, order=order, copy=copy) 
    374 
    375   if ensure_2d: 

ValueError: setting an array element with a sequence.

Quelle

2016-03-20 Perihan Gad

helfen könnten Was die Form des 'trainingImages.image ist . Werte? X-Werte, die an die Fit-Funktion übergeben werden, sollten eine Form haben (n_samples, n_features). Wenn Sie (n_samples, width, height) haben, versuchen Sie 'X.reshape (-1, width * height)'. – dukebody

Es ist wahrscheinlich, weil "trainingImages.image.values" nicht die gleiche Anzahl von Elementen hat in all seinen Anordnungen. Hier finden Sie eine ähnliche Frage in Stackoverflow:

ValueError: setting an array element with a sequence. while using SVM in scikit-learn

Quelle

2016-03-20 15:23:59 armatita

Vielen Dank für Ihre Antwort. Ich habe sichergestellt, dass alle seine Elemente die gleiche Größe haben und ich bekomme immer noch den gleichen Fehler. –

Könnten Sie einen Ausdruck von trainingImages.image.values und trainingTargets.values.tolist() hochladen? (wie auch Form) – armatita

Wenn Sie sicher sind die Abmessungen korrekt sind, unten ist ein Stück Code/Workflow,

import skimage.io as skio 
import matplotlib.pyplot as plt 
import numpy as np 
from sklearn import svm 
from sklearn.metrics import accuracy_score 
from sklearn.metrics import precision_score 
%matplotlib inline 

# Load the data 
trainingImages = skio.imread_collection('train/images/*.jpg',conserve_memory=True) 

# cast to numpy arrays 
trainingImages = np.asarray(trainingImages) 

# reshape img array to vector 
def reshape_image(img): 
    return np.reshape(img,len(img)*len(img[0])) 

img_reshape = np.zeros((len(trainingImages),len(trainingImages[0])*len(trainingImages[0][0]))) 

for i in range(0,len(trainingImages)): 
    img_reshape[i] = reshape_image(trainingImages[i]) 

# SVM 
clf = svm.SVC(gamma=0.01,C=10,kernel='poly') 
clf.fit(img_reshape,trainingTargets.values.tolist())

Quelle

2016-04-04 09:29:07

sklearn SVM fit() "ValueError: Setzen eines Array-Elements mit einer Sequenz"

Antwort

Verwandte Themen