一个愚蠢的问题：在我在 scikit-learn 中训练我的 SVM 之后，我必须使用预测函数：predict(X) 来预测属于哪个类？ (http://scikit-learn.org/dev/modules/generated/sklearn.svm.SVC.html#sklearn.svm.SVC.predict)
X参数是图像特征向量？ 如果我给出一个未训练的图像（未训练，因为 SVM 要求至少 3 个样本作为类），返回什么？
【问题讨论】：
标签： svm scikit-learn
第一句话：“predict() 在 scikit learn 中返回与 SVM 的图像相似性”不是问题。请在 Stack Overflow 条目的标题中提出问题。
第二点：sklearn中SVC类的predict方法返回的不是“图像相似度”而是类分配预测。阅读http://scikit-learn.org 文档和tutorials，了解机器学习中分类和预测的含义。
X参数是图像特征向量？
不，X 不是“图像”特征向量：它是一组形状为 (n_samples, n_features) 的图像特征向量，如您参考的文档中所述。在您的情况下，样本是图像，因此预期的形状为(n_images, n_features)。出于效率原因，预测 API 旨在一次计算多个预测。如果要计算单个预测，则必须将单个特征向量包装在形状为 (1, n_features) 的数组中。
例如，如果您有一个名为 my_single_image_features 且形状为 (n_features,) 的单个特征向量 (1D)，您可以调用 predict ：
predictions = clf.predict([my_single_image_features])
my_single_prediction = predictions[0]
请注意my_single_image_features 变量周围的[] 符号，以将其转换为二维数组。
my_single_prediction 将是一个整数，其含义取决于您在首先调用clf.fit(X_train, y_train) 方法时提供的整数值。
如果我给出未训练的图像（未训练，因为 SVM 要求至少 3 个样本作为类），返回什么？
图像未经过“训练”。仅训练模型。当然，您可以将不属于训练集的样本/图像传递给预测方法。这就是机器学习的全部目的：根据您从过去训练数据中看到的统计规律中学到的知识，对新的未知数据进行预测。
【讨论】：