Python SVM 设置具有序列错误的数组元素

Posted 2023-03-12

【中文标题】Python SVM 设置具有序列错误的数组元素

【英文标题】：Python SVM setting an array element with a sequence error

【发布时间】：2015-11-18 03:22:10

【问题描述】：

我正在尝试使用 sklearn 库中的 SVM 来执行一些图像识别，但是当我调用 fit 方法时，我得到一个“ValueError: setting an array element with a sequence”。错误类型。我的代码如下。

我的 testing.py 文件：

import matplotlib.pyplot as plt
import numpy as np
from sklearn import svm
from imageToNumberArray import imageToNumberArray

classAndValuesFile = "../Classes_Values.txt"
classesFiles = "../"

testImage = "ImageToPerformTestOn.png"

x = []
y = []

def main():
    i = 0
    with open(classAndValuesFile) as f:
        for line in f:
            splitter = line.split(",", 2)
            x.append(imageToNumberArray(classesFiles + splitter[0]))
            y.append(splitter[1].strip())

    clf = svm.SVC(gamma=0.001, C=100)
    clf.fit(x,y)
    #print clf.predict(testImage)

imageToNumberArray 文件为：

from PIL import Image
from numpy import array


def imageToNumberArray(path):
    img = Image.open(path)
    arr = array(img)
    return arr

我收到以下错误：

Traceback (most recent call last):
  File "D:\Research\project\testing.py", line 30, in <module>
main()
  File "D:\Research\project\testing.py", line 23, in main
clf.fit(x,y)
  File "C:\Python27\lib\site-packages\sklearn\svm\base.py", line 139, in fit
X = check_array(X, accept_sparse='csr', dtype=np.float64, order='C')
  File "C:\Python27\lib\site-packages\sklearn\utils\validation.py", line 344, in check_array
array = np.array(array, dtype=dtype, order=order, copy=copy)
ValueError: setting an array element with a sequence.

如果我评论 clf.fit 行，它工作得很好。

另外，如果我打印 X 中矩阵的所有形状，我会得到类似这样的结果（有些是 2D，有些是 3D）：

(59, 58, 4)
(49, 27, 4)
(570, 400, 3)
(471, 364)
(967, 729)
(600, 600, 3)
(325, 325, 3)
(386, 292)
(86, 36, 4)
(49, 26, 4)
(578, 244, 3)
(300, 300)
(995, 557, 3)
(1495, 677)
(400, 400, 3)
(200, 230, 3)
(74, 67, 4)
(49, 34, 4)
(240, 217, 3)
(594, 546, 4)
(387, 230, 3)
(297, 273, 4)
(400, 400, 3)
(387, 230, 3)
(86, 62, 4)
(50, 22, 4)
(499, 245, 3)
(800, 566, 4)
(1050, 750, 3)
(400, 400, 3)
(499, 245, 3)
(74, 53, 4)
(47, 26, 4)
(592, 348, 4)
(1050, 750, 3)
(1600, 1600)
(320, 320)
(84, 54, 4)
(47, 25, 4)
(600, 294, 3)
(400, 400, 3)
(1050, 750, 3)
(1478, 761)
(504, 300, 3)
(53, 84, 4)
(36, 42, 4)
(315, 600, 4)
(223, 425, 3)
(194, 325, 3)

前两个数字是图像的大小。

我该怎么做才能摆脱这个错误？

【问题讨论】：

在进行任何类型的机器学习之前，您几乎肯定希望从图像中提取特征（尽管我知道 KNN 可以很好地用于数字识别）。看看这个：codeproject.com/Articles/619039/…

或许this可以帮到你。

【参考方案1】：

您似乎对 SVM 的工作原理感到困惑。简而言之，x 必须是一个大的二维数组，而在您的情况下，它是一个各种矩阵的列表。 SVM 永远不会在此类数据上运行。首先，找到一种有意义的（在您的数据意义上）将每个图像表示为恒定大小向量的方法，这通常称为特征提取。一种基本方法是将每个图像表示为一些histogram 或bag of visual words。