在MNIST上使用SGDClassifier

Question

我正在使用动手机器学习w / scikit_Learn“（ O'Reilly ）进行自学，目前正在使用具有不同分类器的MNIST数据。

第94页的文字说SGDClassifier能够执行多类分类并使用OvA算法。当我尝试像这样拟合分类器时：

sgd_clf = SGDClassifier()
sgd_clf.fit(x_train, y_train) 

我收到错误：

  

输入形状不好（55000,10）。

这似乎与案文相矛盾。

数据信息

x_train.shape为55000x784，y_train.shape为55000x10，且均为numpy.ndarray。

当我适合KNeighborsClassifier时，它完美无缺。

SGDClassifier是否解决了多类分类问题？

谢谢！

Answer 1

如the documentation中所述，

  

与其他分类器一样，SGD必须安装两个阵列：阵列X.   大小[n_samples，n_features]持有训练样本，和   保存目标值的大小为[n_samples]的数组Y（类标签）   对于训练样本

这意味着y是一个由类标签组成的一维数组，如下例所示（取自上面的链接）：

>>> from sklearn.linear_model import SGDClassifier
>>> X = [[0., 0.], [1., 1.]]
>>> y = [0, 1]
>>> clf = SGDClassifier(loss="hinge", penalty="l2")
>>> clf.fit(X, y)
SGDClassifier(alpha=0.0001, average=False, class_weight=None, epsilon=0.1,
       eta0=0.0, fit_intercept=True, l1_ratio=0.15,
       learning_rate='optimal', loss='hinge', n_iter=5, n_jobs=1,
       penalty='l2', power_t=0.5, random_state=None, shuffle=True,
       verbose=0, warm_start=False)

因此，您应该将y转换为由类标签组成的向量（在您的情况下为0-9）。