时间戳

首页 > 解决方案 > 使用 2D 输入训练 Sci-kit Learn 神经网络

python - 使用 2D 输入训练 Sci-kit Learn 神经网络

问题描述

我正在尝试使用 Python 中的 sci-kit learn 来训练神经网络以识别图像中的形状。我有一个位于边缘上的点列表，每个边缘用 x 和 y 坐标表示，格式为[x,y]. 所以，我想使用格式的列表来训练网络[[x,y],[x,y],[x,y],[x,y],[x,y],[x,y],etc.]。我使用以下代码尝试了此操作，但出现以下错误：

from sklearn.neural_network import MLPClassifier
X = [[[0., 0.], [0., 0.]], [[1., 1.], [1., 1.]]]
y = [0, 1]
clf = MLPClassifier(solver='lbfgs', alpha=1e-5,
                hidden_layer_sizes=(5, 2), random_state=1)

clf.fit(X, y)

ValueError: Found array with dim 3. Estimator expected <= 2.

如果可能的话，有没有人对我如何解决这个问题有任何建议。根据神经网络的定义和逻辑，我不太确定这是否可能。请让我知道任何建议。谢谢！

标签： pythonmachine-learningscikit-learnneural-network

解决方案

Scikit-learn 最多需要二维输入。您可以尝试合并列表以降低维度。我使用下面的代码使其成为二维数据，对我来说效果很好

from sklearn.neural_network import MLPClassifier
import numpy as np
X = [[[0., 0.], [0., 0.]], [[1., 1.], [1., 1.]]]
y = [0, 1]
clf = MLPClassifier(solver='lbfgs', alpha=1e-5,
            hidden_layer_sizes=(5, 2), random_state=1)
X_new = []
for i in X:
    temp =[] 
    for j in i:
        for k in j:
            temp.append(k)
    X_new.append(temp)
clf.fit(X_new,y)

循环结束时的 X_new 看起来像这样

[[0.0, 0.0, 0.0, 0.0], [1.0, 1.0, 1.0, 1.0]]

准确性将取决于数据。试试看是否有效

推荐阅读