在 Python 中拟合 SVM 模型答案

【问题标题】：Fitting an SVM model in Python在 Python 中拟合 SVM 模型
【发布时间】：2018-07-11 09:36:48
【问题描述】：

我正在尝试在 scikit-learn 中拟合一个 SVM 模型，如下所示：

model.fit(trainFeatures, trainLabels)

问题是我的trainFeatures 大小是(127, 9, 6, 1)，而我的trainLabels 大小是(127,2)。

当我回到documentation，尤其是fit(X, y, sample_weight=None)时，它提到：

X : {array-like, sparse matrix}, shape (n_samples, n_features)
y : array-like, shape (n_samples,)

我应该怎么做才能使我的数据格式适合fit？

我尝试从尺寸中提取特定部分，例如说：

trainFeatures = (trainFeatures[0],trainFeatures[1]*trainFeatures[2])

认为根据文档可以解决问题，但结果变得一团糟。

感谢您的支持。

【问题讨论】：

请添加更多关于数据描述的细节。为什么形状是(127, 9, 6, 1)？假设127是样本数，(9,6,1)代表什么？为什么目标有 2 列？是多标签问题吗？或者你有一个热编码的类？

【解决方案1】：

假设您不使用空间结构化数据（例如图像、声音、时间序列等），那么特征的顺序和形状与模型无关。如果是这样的话，那么一个简单的重塑应该可以解决问题：

model.fit(trainFeatures.reshape(127, -1), trainLabels)

无论如何，我建议您使用trainFeatures.squeeze() 删除第四个维度。
如果您觉得特征的 9 x 6 结构很重要，那么您可以尝试使用卷积神经网络（如果每个样本在语义上是一个网格）或递归神经网络（如果每个样本是 9 个步骤的序列） 6 维信号）。

干杯

【讨论】：