Question

我已经制作了卷积神经网络算法来对图像进行分类，现在我想制作一个朴素贝叶斯算法进行比较。我的图像是3D图像，我认为这是我遇到错误的原因。

错误：

raise ValueError("bad input shape {0}".format(shape))
ValueError: bad input shape (1776, 3)

我的代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
import numpy as np

much_data = np.load('muchdata-50-50-30-normalizado.npy', allow_pickle=True)
X = [data[0] for data in much_data]
y = [data[1] for data in much_data]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
gnb = GaussianNB()
y_pred = gnb.fit(X_train, y_train).predict(X_test)
print("Number of mislabeled points out of a total %d points : %d" % (X_test.shape[0], (y_test != y_pred).sum()))

我的X [0]的格式如下：

  [[[0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]
  ...
  [0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]]
  ...
  [[0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]
  ...
  [0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]]]

还有我的y [0]：

[0 1 0]

如果有人可以帮助我了解我在做什么错，那将真的很有帮助！

非常感谢您！

Answer 1

通过查看您的y[0]，您似乎有3种采用一键编码格式的类。 sklearn的机器学习算法通常不接受一键编码格式的目标值。此外，模型的输入（X）的形状应为(no_samples, no_features)。因此，您必须展平3D图像。

摆脱目标（y）中的一键编码，并以(no_samples,)格式获得一维数组。您可以通过将3个类定义为1，2，3来实现。
展平图像。您可以使用X = [data[0].flatten() for data in much_data]

尝试使用朴素贝叶斯对3D图像进行分类时出错

1 个答案: