处理 scikit-learn tree.decisiontreeclassifier 中的维度

Question

我正在尝试使用scikit-learn 与三维训练数据和二维目标数据来做一个决策树。作为一个简单的例子，想象一个 rgb 图像。假设我的目标数据是 1 和 0，其中 1 表示存在人脸，而 0 表示不存在。举个例子：

red         green        blue        face presence  

1000        0001         0011        0000    
0110        0110         0001        0110    
0110        0110         0000        0110     

一个 rgb 数据数组代表训练数据，二维数组代表我的目标类（人脸、无人脸）。

在 Python 中，这些数组可能如下所示：

rgb = np.array([[[1,0,0,0],[0,1,1,0],[0,1,1,0]],
               [[0,0,0,1],[0,1,1,0],[0,1,1,0]],
               [[0,0,1,1],[0,0,0,1],[0,0,0,0]]])

face = np.array([[0,0,0,0],[0,1,1,0],[0,1,1,0]])

不幸的是，这不起作用

import numpy as np
from sklearn import tree
dt_clf = tree.DecisionTreeClassifier()
dt_clf = dt_clf.fit(rgb, face)

这会引发此错误：

找到暗淡为 3 的数组。预期

我尝试了几种方法对数据进行整形和展平，但又遇到了另一个错误：

标签数=xxx 与样本数不匹配

有谁知道我可以如何使用tree.DecisionTreeClassifier 来完成此任务？谢谢。

Answer 1

我想我已经明白了。它不是很漂亮。也许有人可以提供一些帮助清理代码。基本上，我需要将 rgb 数据组织为 12 个 3 元素数组的数组，或者 shape=(12,3)。比如……

np.hsplit(np.dstack(rgb).flatten(), len(face.flatten()))

我还将人脸数据展平，所以我的最终拟合调用变为...

dt_clf = dt_clf.fit(np.hsplit(np.dstack(rgb).flatten(), len(face.flatten())), 
                    face.flatten())

现在我可以测试一个新的数据集，看看它是否有效。当同时显示红色和绿色像素时，目标图像表明存在人脸，因此一个好的测试可能是...

red         green        blue 

1100        1100         0011  
1100        1100         0001  
0000        0000         0000

或者...

predict = np.array([[[1,1,0,0],[1,1,0,0],[0,0,0,0]],
                    [[1,1,0,0],[1,1,0,0],[0,0,0,0]],
                    [[0,0,1,1],[0,0,0,1],[0,0,0,0]]])

所以……

predicted = dt_clf.predict(np.hsplit(np.dstack(predict).flatten(),
                           len(face.flatten())))

并将其恢复到适当的尺寸...

predicted = np.array(np.hsplit(predicted, face.shape[0]))

这产生了我们

array([[1, 1, 0, 0],
       [1, 1, 0, 0],
       [0, 0, 0, 0]])

太棒了！现在看看这是否适用于更大的事情。请随时提供建议以使此更清洁。