“使用序列设置数组元素”numpy错误

Question

我正在开展一个项目，该项目涉及必须使用以下形式的预处理数据。

上面也给出了数据说明。目标是预测书面数字是否与所述数字的音频匹配。首先，我将形式 (N,13) 的语音数组转换为时间轴上的均值：

这将为口语中的每个数组创建一致的 (1,13) 长度。为了在一个简单的香草算法中对此进行测试，我将两个数组压缩在一起，以便我们创建一个形式为 (45000, 2) 的数组，当我将其插入 LogisticRegression 类的 fit 函数时，它会抛出以下错误：

我做错了什么？

代码：

import numpy as np
from sklearn.linear_model import LogisticRegression

match = np.load("/srv/digits/match_train.npy")
spoken = np.load("/srv/digits/spoken_train.npy")
written = np.load("/srv/digits/written_train.npy")
print(match.shape, spoken.shape, written.shape)
print(spoken[0].shape, spoken[1].shape)

def features(signal, function):
    new = np.copy(signal)
    for i in range(len(signal)):
        new[i] = function(new[i], axis=0)
    return new

spokenMean = features(spoken, np.mean)
print(spokenMean.shape, spokenMean[0])

result = np.array(list(zip(spokenMean,written)))
print(result.shape)

X_train, X_val, y_train, y_val = train_test_split(result, match, test_size = 
0.33, random_state = 123)
model = LogisticRegression()
print(X_train.shape, y_train.shape)
model.fit(X_train, y_train)
yh_val = model.predict(X_val)

Answer 1

spokenMean 类型是 object，即它是一个包含较小一维数组的一维数组。您需要做的第一件事是convert it to a 2D float array。这对我有用：

spokenMean = features(spoken, np.mean)
spokenMean = np.vstack(spokenMean[:]).astype(np.float32)

那么，list(zip(...)) 不是连接两个数组的正确方法。相反，请致电np.concatenate：

result = np.concatenate([spokenMean, written], axis=1)

这将使X_train 成为一个普通的二维数组。