在sklearn数字数据集上输入形状错误

Question

import sklearn
import matplotlib.pyplot as plt

from sklearn import datasets
from sklearn import svm

digits = datasets.load_digits()

clf = svm.SVC(gamma=0.01,C= 100)

x = digits.data[:-10]
y = digits.data[:-10]

clf.fit(x,y)

print ("prediction:",clf.predict(digits.data[-1]))

plt.imshow(digits.image[-1],cmap = plt.cm.gray_r, interpolation ="nearest")
plt.show

我收到错误

Traceback (most recent call last):
  File "python", line 14, in <module>
ValueError: bad input shape (1787, 64)

我不确定阵列的形状应该是什么以及如何？!!

有人可以帮到这里！感谢

Answer 1

您应该将digits.target用作y，而不是digits.data。 SVM仅接受一维预测变量，该变量暗示您将错误的值传递给它。 target是x中8x8图像的值（0..9）。

Answer 2

Arya McCarthy关于使用digits.target作为y的建议是正确的。因此，将digits.data声明为特征变量x和digits.target作为目标变量y是正确的。请试试我修改的代码如下：

import sklearn
import matplotlib.pyplot as plt

from sklearn import datasets
from sklearn import svm

digits = datasets.load_digits()

clf = svm.SVC(gamma=0.01,C= 100)

x = digits.data
y = digits.target

clf.fit(x,y)
print ("prediction:",clf.predict(digits.data[-1].reshape(1, -1)))
plt.imshow(digits.images[-1],cmap = plt.cm.gray_r, interpolation ="nearest")
plt.show()

以下是我运行代码的结果