sklearn 数字数据集上的错误输入形状错误答案

【问题标题】：Bad input shape error on sklearn digit datasetssklearn 数字数据集上的错误输入形状错误
【发布时间】：2018-10-23 16:04:43
【问题描述】：

import sklearn
import matplotlib.pyplot as plt

from sklearn import datasets
from sklearn import svm

digits = datasets.load_digits()

clf = svm.SVC(gamma=0.01,C= 100)

x = digits.data[:-10]
y = digits.data[:-10]

clf.fit(x,y)

print ("prediction:",clf.predict(digits.data[-1]))

plt.imshow(digits.image[-1],cmap = plt.cm.gray_r, interpolation ="nearest")
plt.show

我得到错误

Traceback (most recent call last):
  File "python", line 14, in <module>
ValueError: bad input shape (1787, 64)

我不确定数组的形状应该是什么以及应该如何？！！

有人可以帮忙吗！谢谢

【问题讨论】：

应该是y = digits.data[-10:]。
@COLDSPEED 感谢您的评论，我将其更改为您所说的方式，但仍然在 ValueError: bad input shape (10, 64 )
无论您遇到什么错误，都应该编辑到您的帖子中。注释不是调试损坏代码的最佳位置。顺便说一句，我建议您尝试弄清楚您的数据和标签是什么，并相应地进行切片。我当然不知道，因为这不是我的数据，我不会通过 ssh 进入你的系统来找出答案。
将特征加载到x，将标签加载到y。第二行应该是y = digits.target[:-10]
当我对 OP 给出正确答案时，为什么我的答案被否决了？

标签： python machine-learning scikit-learn

【解决方案1】：

Arya McCarthy 关于将digits.target 用作y 的建议是正确的。因此，将digits.data 声明为特征变量x 和digits.target 作为目标变量y 是正确的。请尝试我修改如下的代码：

import sklearn
import matplotlib.pyplot as plt

from sklearn import datasets
from sklearn import svm

digits = datasets.load_digits()

clf = svm.SVC(gamma=0.01,C= 100)

x = digits.data
y = digits.target

clf.fit(x,y)
print ("prediction:",clf.predict(digits.data[-1].reshape(1, -1)))
plt.imshow(digits.images[-1],cmap = plt.cm.gray_r, interpolation ="nearest")
plt.show()

以下是我运行代码的结果

【讨论】：

当我对 OP 给出正确答案时，为什么我的答案被否决了？

【解决方案2】：

您应该将digits.target 用作y，而不是digits.data。 SVM 只接受一维预测变量，这暗示您向其传递了错误的值。 target 是 x 中的 8x8 图像所描绘的值 (0..9)。

【讨论】：