Question

我正在尝试使用k-fold cross validation，为此我需要相应地使用训练集。我实现如下：

num_folds = 5
subset_size = num_training/num_folds
validation_accuracies = []

    for i in range(num_folds):
        Xcross_valid_set = X_train[i*subset_size:][:subset_size].shape
       # print X_train[:i*subset_size].shape,X_train[(i+1)*subset_size:]
        Xtrain_set = X_train[:i*subset_size] + X_train[(i+1)*subset_size:]
        #Xtrain_set=np.concatenate(X_train[:i*subset_size] , X_train[(i+1)*subset_size:])
        Ycross_valid_set=y_train[i*subset_size:][:subset_size]
        Ytrain_set=y_train[:i*subset_size]+y_train[(i+1)*subset_size:]

问题是，X_train[:i*subset_size]的形状（0,3072），X_train[(i+1)*subset_size:]的形状为（40000,3072），如果是i=0。我曾尝试使用numpy.concatenate但不起作用。

结果形状将为（40000,3072），因为第一项为0行。因此，如果第一项给出（10,3072），第二项给出（30,3072），那么结果形状将是（40,3072），即40行。如何将两个不同的形状合并为一个训练集？

Answer 1

np.concatenate需要作为第一个参数的数组列表：

Xtrain_set = np.concatenate([X_train[:i*subset_size], X_train[(i+1)*subset_size:]])

ValueError：操作数无法与numpy中的不同形状一起广播？

1 个答案: