如何让我的阵列适合 sklearn？答案

【问题标题】：How do I get my array to fit into sklearn?如何让我的阵列适合 sklearn？
【发布时间】：2019-10-02 02:03:50
【问题描述】：

我想将两个 np 数组提供给 sklearn svm。我有两组数据

group1 = [[0.067, 0.21], [0.092, 0.21], 
  [0.294, 0.445], [0.227, 0.521], [0.185, 0.597], 
  [0.185, 0.689], [0.235, 0.748], [0.319, 0.773], 
  [0.387, 0.739], [0.437, 0.672], [0.496, 0.739],
  [0.571, 0.773], [0.639, 0.765], [0.765, 0.924],
  [0.807, 0.933], [0.849, 0.941]]

group2 = [[0.118, 0.143], [0.118, 0.176], 
  [0.345, 0.378], [0.395, 0.319], [0.437, 0.261],
  [0.496, 0.328], [0.546, 0.395], [0.605, 0.462],
  [0.655, 0.529], [0.697, 0.597], [0.706, 0.664],
  [0.681, 0.723], [0.849, 0.798], [0.857, 0.849],
  [0.866, 0.899]]

组的长度分别为 15 和 16 个元素。我将如何将它放入一个 SVM 中，它会给我一个分离这两个数字的方程？

我尝试将第 2 组的平均值归入末尾，然后将它们连接成一个 64 个样本的一维数组。但我无法让 clf.fit 中的 y 向量与我制作的数组一起使用。

我目前拥有的东西

from sklearn import svm
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style
style.use("ggplot")

group1 = [[0.067, 0.21], [0.092, 0.21], 
  [0.294, 0.445], [0.227, 0.521], [0.185, 0.597], 
  [0.185, 0.689], [0.235, 0.748], [0.319, 0.773], 
  [0.387, 0.739], [0.437, 0.672], [0.496, 0.739],
  [0.571, 0.773], [0.639, 0.765], [0.765, 0.924],
  [0.807, 0.933], [0.849, 0.941]]

group2 = [[0.118, 0.143], [0.118, 0.176], 
  [0.345, 0.378], [0.395, 0.319], [0.437, 0.261],
  [0.496, 0.328], [0.546, 0.395], [0.605, 0.462],
  [0.655, 0.529], [0.697, 0.597], [0.706, 0.664],
  [0.681, 0.723], [0.849, 0.798], [0.857, 0.849],
  [0.866, 0.899]]
    def print_group(group):
        for i in group:
            for j in i:
                print j


    #print_group(group1)
    len_group1=str(len(group1))
    len_group2=str(len(group2))

    #c = " ".join([a, b])
    print "length of group 1" + " " + len_group1 + " " + "units in group 1"
    print "length of group 2" + " " + len_group2 + " " + "units in group 2"

    np_1= np.array(group1)
    np_2= np.array(group2)

    mean1, std1 = np.mean(np_1), np.std(np_1)
    mean2, std2 = np.mean(np_2), np.std(np_2)
    mean2_a=np.array(mean2)

    np22=np.append(mean2_a, np_2)
    np22=np.append(mean2_a, np22)




    np1=np_1.ravel().reshape(32,1)
    np2=np22.ravel().reshape(32,1)

    #
    #print(mean1, std1)
    #print(mean2, std2)
    #


    np3=np.concatenate((np1,np2))
    #plt.scatter(np_1, np_2)
    #plt.show()
    #
    #np11=np1.reshape(1,-1)
    #np22=np2.reshape(1,-1)

    #np.append(np2,mean2)
    #np.append(np2,mean2)

    clf = svm.SVC(gamma='scale')
    classified_array= np.zeros((64, 0))
    clf.fit([np3],[classified_array])

File "<ipython-input-39-50dcfc391d51>", line 1, in <module>
    runfile('C:/Users/AliDesktop/Desktop/Magic Briefcase/Jobs/StarMind.py', wdir='C:/Users/AliDesktop/Desktop/Magic Briefcase/Jobs')

  File "C:\Users\AliDesktop\Anaconda2\lib\site-packages\spyder\utils\site\sitecustomize.py", line 866, in runfile
    execfile(filename, namespace)

  File "C:\Users\AliDesktop\Anaconda2\lib\site-packages\spyder\utils\site\sitecustomize.py", line 87, in execfile
    exec(compile(scripttext, filename, 'exec'), glob, loc)

  File "C:/Users/AliDesktop/Desktop/Magic Briefcase/Jobs/StarMind.py", line 76, in <module>
    clf.fit([np3],[classified_array])

  File "C:\Users\AliDesktop\Anaconda2\lib\site-packages\sklearn\svm\base.py", line 151, in fit
    X, y = check_X_y(X, y, dtype=np.float64, order='C', accept_sparse='csr')

  File "C:\Users\AliDesktop\Anaconda2\lib\site-packages\sklearn\utils\validation.py", line 521, in check_X_y
    ensure_min_features, warn_on_dtype, estimator)

  File "C:\Users\AliDesktop\Anaconda2\lib\site-packages\sklearn\utils\validation.py", line 405, in check_array
    % (array.ndim, estimator_name))

ValueError: Found array with dim 3. Estimator expected <= 2.

【问题讨论】：

标签： numpy svm

【解决方案1】：

我要做的第一件事是正确标记数据点。如果您为 clf 分配变量，您将开始看到问题。

X, y = np3, classified_array

您会看到您的数据和目标向量不正确。我会尝试从这些行开始问题。

group_data = [i+[0] for i in group1] + [i+[1] for i in group2]
df = pd.DataFrame(data=group_data, columns=['x','y','target'])

这将为第 1 组创建标签 0，为第 2 组创建标签 1。然后您可以像这样分配数据，

X,y = df[['x','y']].values, df.target.values

【讨论】：

这令人困惑。我不确定我自己能想出这个解决方案。对于第 2 组中的 i：[i+[]1] 对于第 2 组中的 [0.118, 0.143]：
这令人困惑。我不确定我自己能想出这个解决方案。 [for i in group 2: [i+[1]] ] [for [0.118, 0.143] in group 2: [0.118, 0.143] +1] 这个逻辑对吗？
这是一个列表理解，它使创建列表更加简洁。您可以将 group_data 的第一项解读为，对于 group1 的每个元素追加 0。这是可以做到的，因为 group1 的每个元素都是可以追加的列表。 group_data 的每个术语都是一个列表，因此可以以相同的方式附加它们。这将为您提供 SVC 模型所需的数据集。
只是为了澄清我不需要将数据转换为熊猫数据框。我本可以编写以下 X = np.array(group_data)[:,[0,1]] 和 y = np.array(group_data)[:,2] 你会发现它们等价于 X,y = df [['x','y']].values, df.target.values

【解决方案2】：

据我了解，group1 和 group2 属于两个不同的类，所以我们有二分类问题。让我们解决它。

from sklearn import svm
import numpy as np
import matplotlib.pyplot as plt

group1 = np.array([[0.067, 0.21], [0.092, 0.21], 
  [0.294, 0.445], [0.227, 0.521], [0.185, 0.597], 
  [0.185, 0.689], [0.235, 0.748], [0.319, 0.773], 
  [0.387, 0.739], [0.437, 0.672], [0.496, 0.739],
  [0.571, 0.773], [0.639, 0.765], [0.765, 0.924],
  [0.807, 0.933], [0.849, 0.941]])

group2 = np.array([[0.118, 0.143], [0.118, 0.176], 
  [0.345, 0.378], [0.395, 0.319], [0.437, 0.261],
  [0.496, 0.328], [0.546, 0.395], [0.605, 0.462],
  [0.655, 0.529], [0.697, 0.597], [0.706, 0.664],
  [0.681, 0.723], [0.849, 0.798], [0.857, 0.849],
  [0.866, 0.899]])

# Choose appropriate C
clf = svm.SVC(kernel='linear', C=100)

clf.fit(X, y)

plt.plot(group1[:,0], group1[:,1], 'ro', group2[:,0], group2[:,1], 'bx')
ax = plt.gca()
xlim = ax.get_xlim()
ylim = ax.get_ylim()
xx = np.linspace(xlim[0], xlim[1], 20)
yy = np.linspace(ylim[0], ylim[1], 20)
YY, XX = np.meshgrid(yy, xx)
xy = np.vstack([XX.ravel(), YY.ravel()]).T
Z = clf.decision_function(xy).reshape(XX.shape)
ax.contour(XX, YY, Z, colors='k', levels=[-1, 0, 1], alpha=0.5,
           linestyles=['--', '-', '--'])
ax.scatter(clf.support_vectors_[:, 0], clf.support_vectors_[:, 1], s=100,
           linewidth=1, facecolors='none', edgecolors='k')
plt.show()

【讨论】：