Question

我有这种类型的numpy数组。这里我展示了数组的2个元素。我已将.jpeg文件转换为numpy数组。

[[[130 130 130 ..., 255 255 255]
  [255 255 255 ..., 255 255 255]
  [255 255 255 ..., 255 255 255]
  ..., 
  [255 255 255 ..., 255 255 255]
  [255 255 255 ..., 255 255 255]
  [ 68  68  68 ...,  68  68  68]]

  [[130 130 130 ..., 255 255 255]
  [255 255 255 ..., 255 255 255]
  [255 255 255 ..., 255 255 255]
  ..., 
  [255 255 255 ..., 255 255 255]
  [255 255 255 ..., 255 255 255]
  [ 68  68  68 ...,  68  68  68]]]

这个numpy数组的形状为：（2,243,320）。现在我想对这一系列功能进行监督学习以及标签numpy数组。但是，当我尝试这样做时，它表示预期的参数数量＆lt; = 3。

现在我尝试通过LDA减小维度，如下所示。

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
lda = LinearDiscriminantAnalysis(n_components=2)
X_r2 = lda.fit(features, labels).transform(features)

但它再次说LDA期望＆lt; = 2维度。如何减小尺寸。

Answer 1

您的代码问题很简单，您不是以所需的格式发送列表.... .fit所需的格式是二维数组。你发送的是一个三维...没有必要使用降维，因为它完全是一个不同的问题...（用于防止过度拟合是特定的）

因此，将数组命名为arr（ndarray）

就这样做 -

fin_array = arr.reshape((2*243, 320))

这样做的目的是将您的阵列转换为2d列表，现在您可以使用它来适应模型！

Answer 2

使用重塑：

new_img = np.reshape(old_data,(2,243*320))

减少监督学习的维度

2 个答案: