在sklearn.kneighborsclassifier中，我有错误：发现dim 4的数组。估算器预期＆lt; = 2

Question

我对为图像进行分类的程序有问题。我将图像存储在

arr = np.concatenate((X1, Y1))

具有大小的阵列中：（80，128，128，3） 我还有另一个：

arr2 = np.concatenate((X2, Y2))

有大小：（20、128、128、3） 我将使数组进入培训数据。并创建目标：

a= np.full((1, 40), 1)
b= np.full((1, 40), 2)
arr3 = np.concatenate((a, b))

并将其设置为KNN算法

knn=KNeighborsClassifier(n_neighbors=3) #define K=3
knn.fit(arr,arr3)
res = knn.predict(arr2)
print(res)

，我没有得到结果，并且存在错误：找到带有dim 4的数组。估算器预期＆lt; = 2。

我还尝试重新设计ARR和ARR2：

arr5 = arr.reshape(-1,1)
arr6 = arr2.reshape(-1,1)

但是也遇到了错误：发现的输入变量与样本数量不一致，

我需要您的意见来解决问题。

Answer 1

您可以阅读 sklearn.neighbors.kneighborsclassifier 和 .fit（x，y）应该具有以下形状：

fit（x，y）：适合培训数据集的K-Nearest邻居分类器。

参数：
如果metric ='预计'
培训数据。
y {类似零件的稀疏矩阵}（n_samples，）或（n_samples，n_outputs）
目标值。

因此，您需要重塑 arr或x_train喜欢（80，128*128*3） and arr2或x_test like（20，128*128*3） and> y或arr3喜欢（80）：

（对于此重塑，我们可以使用`numpy.reshape（-1）如下。）

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

arr  = np.random.rand(80,128,128,3)
arr2 = np.random.rand(20,128,128,3)

a= np.full((1, 40), 1)
b= np.full((1, 40), 2)
arr3 = np.concatenate((a, b))

knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(arr.reshape(80,-1), arr3.reshape(-1))

res = knn.predict(arr2.reshape(20,-1))
print(res)

输出：

[2 1 1 2 2 1 1 1 2 1 2 1 1 2 2 2 2 1 1 1]