Scikit - SVM 的 3D 特征数组

Question

我正在尝试在 scikit 中训练 SVM。我正在按照示例进行操作，并尝试将其调整为我的 3d 特征向量。 我尝试了页面http://scikit-learn.org/stable/modules/svm.html中的示例 它跑了过去。在修复错误时，我回到教程设置并发现：

X = [[0, 0], [1, 1],[2,2]]
y = [0, 1,1]
clf = svm.SVC()
clf.fit(X, y) 

工作时

X = [[0, 0,0], [1, 1,1],[2,2,2]]
y = [0, 1,1]
clf = svm.SVC()
clf.fit(X, y)

失败： ValueError: X.shape[1] = 2 should be equal to 3, the number of features at training time

这里有什么问题？这只是一个额外的维度...... 谢谢， 埃尔

Answer 1

运行后面的代码对我有用：

>>> X = [[0,0,0], [1,1,1], [2,2,2]]
>>> y = [0,1,1]
>>> clf = svm.SVC()
>>> clf.fit(X, y)
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
  kernel='rbf', max_iter=-1, probability=False, shrinking=True, tol=0.001,
  verbose=False)

当您使用 kernel="precomputed" 在 SVM 对象上调用 .predict() 时，该错误消息似乎应该实际发生。是这样吗？