在 scikit 中为 SVM 训练传递 3D 数据答案

【问题标题】：Passing 3D data for SVM training in scikit在 scikit 中为 SVM 训练传递 3D 数据
【发布时间】：2020-06-22 12:33:02
【问题描述】：

我正在尝试使用从实验中收集的数据来使用 sci-kit 创建 SVM 模型。我的输入数据是 3D 数组（下面的示例 x），标签是布尔标签（示例 y）。

X = [[[00, 00], [01, 01],[02,02]],[[10,10],[11,11],[12,12]],[[20,20],[21,21],[22,22]]]
y = [0, 1,1]
clf = svm.SVC()
clf.fit(X, y)

但是，每当我尝试执行上面的代码时，都会收到以下错误。

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

我是机器学习和 scikit 的新手。我将不胜感激任何有助于解决此问题的帮助和指导。

【问题讨论】：

【解决方案1】：

出于计算目的，X 必须是二维矩阵。对于 3+ 维度，它必须是神经网络，例如 卷积神经网络 或 循环神经网络。

在您的情况下，您应该也许展平导致二维矩阵的最后一个维度，例如：

X = [[00, 00, 01, 01, 02, 02],
     [10, 10, 11, 11, 12, 12],
     [20, 20, 21, 21, 22, 22]]

我说也许，因为这实际上取决于您的数据是什么。如果第 3 维与时间相关，则应考虑使用循环神经网络。如果它与动态有关，例如，您可以计算导数。这是一个个案应用，有时这个想法并不简单

【讨论】：