我收到"ValueError: Found dd3..MinMaxScaler预期的<= 2“。当我试图缩放和反转机器学习用例的X和y变量时。
我有一个时间序列数据集，我试图缩放输入X和输出y，训练变量和逆转预测。我用的是LSTM神经网络。
火车数据集的变量形状：
- X\_train.shape = (812, 7, 2)
- y\_train.shape = (812, 2)
812 =样品数，7= no。对于LSTM中的步骤，2= LSTM神经网络的步长(预测)的no
测试数据集的变量：
X_test.shape = (93，7，2)
y_tes
浏览 0提问于2019-08-01得票数 0
我正在使用不平衡学习的"balanced_batch_generator“来尝试对4维的图像数组执行欠采样。我运行了下面的代码：
training_generator, steps_per_epoch = balanced_batch_generator(x_train, y_train, sampler=NearMiss(), batch_size=10)
并得到以下错误：
ValueError: Found array with dim 4. Estimator expected <= 2.
我知道这个函数不接受>2维的数据，但是我想知道是否有解决这个问题的办法。我会通
浏览 2提问于2020-04-11得票数 1
我有两个numpy数组
import numpy as np
temp_1 = np.array([['19.78018766'],
['19.72487359'],
['19.70280336'],
['19.69589641'],
['19.69746018']])
temp 2 = np.array([['43.8'],
['43.9'],
['44'],
['44.1'],
['44.2']])
我正在准备X
浏览 4提问于2021-12-13得票数 0
回答已采纳
2回答
我有以下Python代码片段，其中我尝试对一些数据运行SVC (使用的库是
(trainFeat, testFeat, trainLabels, testLabels) = train_test_split(
data, data_labels, test_size=0.20, random_state=42)
model = SVC(kernel='poly', max_iter=10,probability=True,class_weight='balanced')
model.fit(np.reshape(trainFeat, (124,-1))
浏览 14提问于2018-02-03得票数 0
我有200张尺寸为28x28的图像的训练数据集，我将其存储在train_dataset中，形状为200 x (28 * 28 ).Labels是形状为200的一维。即培训：(200，28，28) (200 )
我需要将这些训练数据拟合成物流回归模型中的训练数据。 fit (train_dataset，train_label)，但是fit(X，y，sample_weight=None)的拟合参数有数组(X).dim< 2和数组(Y).dim<2。
那么，除了缩小train_dataset之外，还有其他选择吗?但是它需要很大的空间，即尺寸为200x (28 * 28)的2d数组，也可以
浏览 7提问于2016-07-17得票数 1
我正在尝试使用sklearn中的test_train_split拆分我的数据。我的数据由图像和脸部点的numpy.ndarray组成。然而，我意识到它们都是不同的形状，图像是(2811,250,250，3)，而脸部点数是(2811，68，2)。我不确定如何重新缩放它们，使它们具有相同的大小。有什么建议吗？
reg= linear_model.LinearRegression()
x_train, x_test, y_train, y_test = train_test_split(img, points, test_size=0.2)
reg.fit(x_train,y_train)
下面是我
浏览 19提问于2020-05-29得票数 0
回答已采纳
我有embeddings_，如下所示-
ListType[array(float32, 2d, C)]([[[ -1.2124693 0.9572239 ]
[ 0.56466156 0.7211671 ]
[ -1.0872451 -2.051641 ]
...
[-54.282215 32.87948 ]
[ 2.5681546 0.12829414]
[ 2.2808175 1.5369933 ]], [[ 1.669828 -2.4118974 ]
[-0.22858042 -0.6938448 ]
[ 1.5701272
浏览 1提问于2022-06-29得票数 0
我试图利用我从一个实验中收集到的数据，用sci创建一个支持向量机模型。我的输入数据是3D数组(下面是示例x)，标签是布尔标签(示例y)。
X = [[[00, 00], [01, 01],[02,02]],[[10,10],[11,11],[12,12]],[[20,20],[21,21],[22,22]]]
y = [0, 1,1]
clf = svm.SVC()
clf.fit(X, y)
但是，每当我尝试执行上面的代码时，我都会得到以下错误。
ValueError: Found array with dim 3. Estimator expected <= 2.
我对机器学习和科
浏览 3提问于2020-03-10得票数 1
回答已采纳
我有以下分割数据的代码：
# Convert dataframe column of images into numpy array
X = np.asarray(skin_df_balanced['image'].tolist())
X = X/255. # Scale values to 0-1. You can also used standardscaler or other scaling methods.
Y=skin_df_balanced['label'] # Assign label values to Y
Y_cat = to_categ
浏览 1提问于2022-06-07得票数 0
我的木星有问题。
我不知道我的问题是我的代码还是别的什么。
nsamples, nx, ny = prediction_space.shape
d2_prediction_space = prediction_space.reshape((nsamples,nx*ny))
y_pred= reg.predict(prediction_space)
这是一个错误
ValueError Traceback (most recent call last)
<ipython-input-31-3
浏览 6提问于2022-02-20得票数 -2
1回答
我有个问题：
regression.fit(X_train, y_train)
我得到了以下错误：
ValueError: Expected 2D array, got 1D array instead:
array=[ 2.9 5.1 3.2 4.5 8.2 6.8 1.3 10.5 3. 2.2 5.9 6. 3.7 3.2
9. 2. 1.1 7.1 4.9 4. ].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature
浏览 3提问于2019-12-16得票数 0
回答已采纳
1回答
我有一个标题为data的14x5数据矩阵。第一列(Y)是因变量，后跟4个自变量(X、S1、S2、S3)。当尝试将回归模型拟合到自变量'S2‘的子集时，我得到以下错误：
ValueError: Found array with dim 3. Estimator expected <= 2.
如果你有任何关于修复的见解，我将不胜感激。下面的代码。
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
data = pd.read_csv('C:/pa
浏览 0提问于2016-01-19得票数 3
回答已采纳
我想使用scikit LearnX0.15中提供的sklearn.learning_curves.py。在我克隆了这个版本之后，有几个函数不再有效，因为check_arrays()将数组的维数限制为2。
>>> from sklearn import metrics
>>> from sklearn.cross_validation import train_test_split
>>> import numpy as np
>>> X = np.random.random((10,2,2,2))
>>&g
浏览 0提问于2014-05-22得票数 0
在python中，我有一个数组列表a和一个In列表b {1,0,0,1…]，每个数组的形状都是(1,1024)。现在我想用它来训练一个基本的SVM。我总是收到这个错误消息：
ValueError: Found array with dim 3. Estimator expected <= 2.
但是这个形状不是告诉我，我有一个2维的形状吗？可能是我的数组有问题，但我不明白是什么。我很高兴得到任何帮助。
clf = svm.SVC(kernel='linear')
clf.fit(lista, listb)
数组的前10项：
[array([[-0.00381735, -0
浏览 19提问于2020-02-14得票数 1
回答已采纳
1回答
重塑熊猫系列
、、
我有一个dataframe，它有一个列，值如下- [[3. , 2., 1.],[3. , 1., 2.]] 我正在读取这个值，并将其作为pandas Series传递给udf。下面是该系列的值的外观，其中s的类型是 s.values = [array([array([3. , 2., 1.]),
array([3. , 1., 2.])], dtype=object)] 它的形状显示为(1，)。我希望它的形状是1X2X3，但使用下面的2种方法尝试这样做会产生如下错误- #gives error - ValueError: cannot reshape array of siz
浏览 18提问于2020-07-26得票数 0
回答已采纳
1回答
我试图在高光谱数据上使用SUSI，但是我得到了错误。我确信我是问题所在，而不是苏西。
import susi as su
import spectral as sp
import spectral.io.envi as envi
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
box = envi.open('C:/path/ref_16-2_22/normalised.hdr')
data = np.array(box.load())
som = su.SOMClassifier(n
浏览 10提问于2022-10-10得票数 1
回答已采纳
1回答
我正在尝试使用Keras (tensorflow后端)和Jupyter notebooks来训练一个用于二进制分类的基线ANN模型。代码如下：
array=df6.values
X= array[:,0:384]
Y = array[:,385]
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
浏览 0提问于2018-08-14得票数 0
我遵循的TensorFlow MNIST估计教程，我已经培训了我的MNIST模型。
它看起来很好，但是如果我在Tensorboard上看到它，我会发现一些奇怪的东西:模型所需的输入形状是100x784。
这是一个屏幕截图:正如您在右框中看到的，预期输入大小为100x784。
我以为我会看到?x784。
现在，我确实在培训中使用了100作为批处理大小，但是在Estimator模型函数中，我还指定输入样本大小的数量是可变的。所以我料到了？X 784将在Tensorboard中显示。
input_layer = tf.reshape(features["x"], [-1,
浏览 0提问于2018-04-09得票数 6
回答已采纳
2回答
在像下面这样的情况下，我如何vstack这两个矩阵？ import numpy as np
a = np.array([[3,3,3],[3,3,3],[3,3,3]])
b = np.array([[2,2],[2,2],[2,2]])
a = np.vstack([a, b])
Output:
ValueError: all the input array dimensions for the concatenation axis must match exactly, but along dimension 1, the array at index 0 has size
浏览 31提问于2021-07-08得票数 0
我正在使用contrib.learn.estimator在tensorflow0.12环境中进行预测。
#1. Use a regression Estimator, set n_classes to 0
model = skflow.SKCompat(skflow.Estimator(model_fn=lstm_model, model_dir=LOG_DIR))
#2. create a lstm instance and validation monitor
validation_monitor = skflow.monitors.ValidationMonitor(X, y,
浏览 1提问于2017-02-23得票数 0
回答已采纳
您好，我是在机器学习的第一步，这是我的第一个教程/小项目，我试图做。我想在Fashion MNIST数据集中使用最近邻方法，但我遇到了错误。我知道我的问题可能有点傻，但这是我第一次做这样的事情。所以我的代码是 fashion_mnist = tf.keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
clf = KNeighborsClassifier(n_neighbors=5,algorithm='auto&
浏览 41提问于2021-04-19得票数 0
1回答
我试着训练一个图像分类器在科学学习。我有一堆输入图像，我正在使用枕头来处理它们。我的问题是如何将枕头数据提供给科学学习。
这是我现在的代码：
training = glob.glob('./img/training/*/*.bmp')
data = []
classes = []
for imagefile in training:
edges = Image.open(imagefile).filter(ImageFilter.FIND_EDGES).convert("L")
in_data = np.asarray(edges, dtype=
浏览 0提问于2016-02-07得票数 0
回答已采纳
1回答
我正在尝试将我的kNN模型训练到时尚的MNIST数据集上。这是我的密码
(X_train, y_train), (X_test, y_test) = keras.datasets.fashion_mnist.load_data()
assert X_train.shape == (60000, 28, 28)
assert X_test.shape == (10000, 28, 28)
assert y_train.shape == (60000,)
assert y_test.shape == (10000,)
knn = KNeighborsClassifier(n_neighbors=1
浏览 11提问于2022-10-07得票数 0
📷
我得到了ValueError: Found array with dim 3. None expected <= 2.，我不知道哪个数组有dim 3？
DecisionTreeClassifier不能接受一个热编码类？
但是从这个页面它应该支持？https://scikit-learn.org/stable/modules/multiclass.html
标签是由
from sklearn.preprocessing import OneHotEncoder
onehot_encoder = OneHotEncoder(sparse=False)
label = onehot_enc
浏览 0提问于2023-01-18得票数 0
回答已采纳
1回答
正确使用numpy与图像的卷积
、、、、
我当时在看，想用3 x 3过滤器把6 x 6图像转过来。我用numpy处理这个问题的方法如下：
image = np.ones((6,6))
filter = np.ones((3,3))
convolved = np.convolve(image, filter)
运行此操作将产生一个错误，即：
ValueError: object too deep for desired array
我可以从了解如何正确使用convolve方法。
还有，有什么办法我可以用numpy做一个大幅度的卷积吗？
浏览 0提问于2019-04-06得票数 3
回答已采纳
我一直在做一个使用聚类算法的机器学习项目，我正在考虑基于我正在处理的数据使用scikit-learn的DBSCAN实现。然而，每当我尝试用我的功能数组运行它时，它抛出以下错误： ValueError: Found array with dim 3. Estimator expected <= 2. 这给我的印象是scikit的DBSCAN只支持二维特性。我这样想是错的吗？如果没有，是否有支持高维特征数组的DBSCAN实现？感谢你能提供的任何帮助。 编辑 下面是我的DBSCAN脚本使用的代码。其思想是从许多不同的CSV读取数据，将它们保存到一个数组中，然后将它们转储到一个pickle文件
浏览 26提问于2020-04-18得票数 1
回答已采纳
我正在使用TensorFlow (1.1)高级API 来创建我的神经网络。但是我把它应用到一个类中，我必须调用类的一个实例来生成神经网络模型。(在这里self.a)
class NeuralNetwork(object):
def __init__(self):
""" Create neural net """
regressor = tf.estimator.Estimator(model_fn=self.my_model_fn,
model_d
浏览 1提问于2017-05-03得票数 2
回答已采纳
1回答
我一直在尝试用HOG描述符训练线性支持向量机分类器。我在有一组数据集，目的是训练分类器来检测人类。在这样做的过程中，我首先尝试将单个正面图像和单个负面图像训练为标签1,2，如下代码所示：
import numpy as np
import cv2
from sklearn.svm import LinearSVC
x=np.zeros((3780,2))
x=np.array(x)
#positive image
pimg=cv2.imread('G:/Project/Database/db/pos/crop_000010.png',0)
pimg=cv2.resize(pi
浏览 1提问于2018-04-05得票数 0
回答已采纳
我希望统计数据能够选择与输出变量关系最密切的特征。
多亏了这篇文章，我了解到scikit-learn库提出的SelectKBest类可以与一组不同的统计测试一起使用来选择特定数量的特征。
这是我的数据
Do you agree Gender Age City Urban/Rural Output
0 Yes Female 25-34 Madrid Urban Will buy
1 No Male 18-25 Valencia Rural Won't
浏览 0提问于2020-02-05得票数 1
回答已采纳
X的形状是
X = np.array(X).reshape(len(X),4096).astype(float)
X.shape
(529,4096)
代码
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
pipe = Pipeline([('scaler', StandardScaler()), ('svc', SVC(kernel = 'rbf', C = 10))])
pipe.fit(X_train, y_train)
pipe.sc
浏览 4提问于2022-02-05得票数 0
1回答
在xarray中获取布尔型DataArray的True值的索引的合适方法是什么？我知道numpy的方式是使用np.where，但这对于多维数组来说并不方便： >>> da = xr.DataArray([0., 1., 2.])
>>> da > 0
<xarray.DataArray (dim_0: 3)>
array([False, True, True])
Dimensions without coordinates: dim_0
>>> np.where(da > 0)[0]
array([1, 2])
浏览 245提问于2019-02-20得票数 0
当我试图使用来自ValueError: Input contains NaN的ARIMA模型来预测下一个序列的值时，我得到了误差pmdarima。
，但我使用的数据不包含空值.
代码：
from pmdarima.arima import ARIMA
tmp_series = pd.Series([0.8867208063423082, 0.4969678051201152, -0.35079875681211814, 0.07156197743204402, 0.6888394890593726, 0.6136916470350972, 0.9020102952782968, 0.38539
浏览 14提问于2022-09-06得票数 5
回答已采纳
2回答
我想使用TensorFlow来训练一些潜在的(直到运行时才可用)变量。我收到以下错误："ValueError:使用序列设置数组元素。“ 如果我用常量值初始化'a‘，我可以获得预期的结果，但我的应用程序不允许'a’的值在运行时之前是已知的，我打算在它们可用后使用梯度下降来改进它们。看起来'placeholder‘提供了这个功能，但我显然需要一些帮助才能正确使用它们。我想知道将潜在变量添加到TensorFlow图中的正确方法。这是一个简化的复制品： import tensorflow as tf
import numpy as np
a = tf.placeho
浏览 5提问于2019-04-18得票数 2
回答已采纳
2回答
我试图在python中使用hmmlearn来拟合隐马尔可夫模型。我假设我的数据没有被正确的格式化，但是这些文档对于hmmlearn来说是很轻的。直观地，我会将数据格式化为n_observations x n_time_points x n_features的三维数组，但是hmmlearn似乎想要一个2d数组。
import numpy as np
from hmmlearn import hmm
X = np.random.rand(10,5,3)
clf = hmm.GaussianHMM(n_components=3, n_iter=10)
clf.fit(X)
这将产生以下错误：
Val
浏览 8提问于2016-01-15得票数 3
回答已采纳
1回答
我有一个大小为2240*5*16的特征集。2240是样本数，5表示通道数，16表示提取的统计特征的数量，如均值、方差等。现在，我想应用PCA。然而，PCA适用于2D阵列。我应用了以下代码： from sklearn.decomposition import PCA
pca = PCA(n_components=5)
pca.fit(features) 我得到以下错误。 ValueError: Found array with dim 3. Estimator expected <= 2. 它不支持axis参数。由于它只适用于2D，我如何在我的案例(3D)上使用它？如果我想把维度从224
浏览 94提问于2021-01-21得票数 0
回答已采纳
1回答
我有一个记录数组，有2×2个固定大小的项，有10行，因此列是10×2x2。我想给整个列分配一个常量。Numpy数组将正确广播标量值，但这在h5py中不起作用。 import numpy as np
import h5py
dt=np.dtype([('a',('f4',(2,2)))])
# h5py array
h5a=h5py.File('/tmp/t1.h5','w')['/'].require_dataset('test',dtype=dt,shape=(10,))
# numpy for
浏览 40提问于2021-05-09得票数 1
回答已采纳
我试着用GridSearchCV来表示RandomForestRegressor，但总是得到ValueError: Found array with dim 100. Expected 500。以这个玩具为例：
import numpy as np
from sklearn import ensemble
from sklearn.cross_validation import train_test_split
from sklearn.grid_search import GridSearchCV
from sklearn.metrics import r2_score
if __nam
浏览 2提问于2015-01-11得票数 7
回答已采纳
2回答
这项任务在NumPy中非常简单，如下所示
import numpy as np
a= np.array([[1,2,3,0,9],[3,2,6,2,7],[0,0,0,8,0],[1,0,0,0,3]])
a + a[1]
输出：
array([[ 4, 4, 9, 2, 16],
[ 6, 4, 12, 4, 14],
[ 3, 2, 6, 10, 7],
[ 4, 2, 6, 2, 10]])
看看矢量维度是如何自动传播到矩阵的每一行的。
但是当涉及到稀疏矩阵时，存在维度不匹配错误。
from scipy.sparse im
浏览 0提问于2017-07-12得票数 1
当我将lambda层添加到我的序列模型中时，它给出了ValueError: Input 0 is incompatible with ... 对于这个模型，我得到了ValueError: Input 0 is incompatible with layer flatten_1: expected min_ndim=3, found ndim=2 model1 = Sequential()
model1.add(Embedding(max_words, embedding_dim, input_length=maxlen))
model1.add(Lambda(lambda x: mean(x
浏览 109提问于2019-03-07得票数 0
回答已采纳
1回答
我有几百个3d数组，我想用它们做一些聚类分析，但是sklearn.cluster.KMeans只会做2D数组。我的每个数组都是(56,88,56)大小的，并且我有300。当我将它们组合成一个数组时，我得到的是(300,56,88,56)。KMeans会给出错误ValueError: Found array with dim 4. Estimator expected <= 2.。我解决这个问题的一种方法是在我的阵列上使用np.ndarray.flatten()，这样我的新阵列就是(275968,)，当组合到一个阵列中时，我得到了(300,275968)，并且我能够使用KMeans集群。有
浏览 1提问于2020-10-08得票数 0
我正在尝试在MNIST数据集上实现SVM分类器。由于我的参数是3维的，它抛出了以下错误：
ValueError: Found array with dim 3. Expected <= 2
以下是我的代码片段：
import mnist
from sklearn import svm
training_images, training_labels = mnist.load_mnist("training", digits = [1,2,3,4])
classifier = svm.SVC()
classifier.fit(training_images, traini
浏览 1提问于2015-10-16得票数 11
回答已采纳
有没有可能重塑np.array()，并在新形状不一致的情况下，用NaN填充空白空间？ 例如： arr = np.array([1,2,3,4,5,6]) 目标，例如2x4矩阵： [1 2 3 4]
[5 6 NaN NaN] 我需要这个代码来绕过这个错误：ValueError: cannot reshape array of size 6 into shape (2,4) 谢谢,
浏览 61提问于2020-06-19得票数 5
回答已采纳
我试图在RF分类器上执行网格搜索，其中评分函数是来自sklearn.metrics模块的sklearn.metrics。这是密码。
from sklearn.metrics import precision_score
param_grid = {'n_estimators': [51, 101, 201, 301, 501],
'max_depth': [3, 5, 10, None],
'min_samples_split': [2, 5, 10],
浏览 3提问于2015-02-20得票数 2
回答已采纳
我正在尝试构建一个用于二进制分类的随机森林分类器。我的数据不平衡，所以我的抽样不充分。
train = data.drop(['Co_Name','Cust_ID','Phone','Shpr_ID','Resi_Cnt','Buz_Cnt','Nearby_Cnt','parseNumber','removeString','Qty','bins','Adj_Addr','Resi',&
浏览 0提问于2018-03-24得票数 0
问题
当使用fit的科学会CCA分类器时，它将不允许我使用数组作为特性。可以使用以下代码生成错误ValueError: Found array with dim 3. Estimator expected <= 2.
from sklearn.cross_decomposition import CCA
CCA_model = CCA(n_components = 3, max_iter=20000)
input_arr = [[[k*-1+j*-i*-1 for k in range(125)] for j in range(2)] for i in rang
浏览 0提问于2021-04-20得票数 1
回答已采纳
1回答
让xarray滚动构造多维滚动窗口的最好方法是什么？下面是一个numpy示例： import numpy as np
from numpy.lib.stride_tricks import as_strided
data = np.array(np.arange(6).reshape(2, 3),dtype="float64")
win_size = (
3 # Size of the window (e.g. 3*3)
)
win_size_half = int(np.floor(win_size / 2))
# pad with nan to get c
浏览 12提问于2020-08-12得票数 0
这个有旗帜吗？请看一下预定的。
>>> numpy.column_stack([[1], [1,2]])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/lib/pymodules/python2.7/numpy/lib/shape_base.py", line 296, in column_stack
return _nx.concatenate(arrays,1)
ValueError:
浏览 1提问于2011-09-30得票数 0
我想使用3个基本学习器的能力来实现和集成学习模型KNN；DT和RF，然后使用加权技术组合预测结果在下面的示例中，带有感知器的神经网络被用作基于优化权重的组合技术，直到找到最佳权重，从而确定模型的性能。我在实现模型时遇到了这样的错误：
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-36-bd170b55df
浏览 0提问于2018-10-04得票数 0
3回答
我正在尝试删除所有的前导和尾随的all轴(行和列&无论它们被调用的数组超过3维)。虽然这是相当直截了当的已知尺寸，但我想不出一个好的方法来做到这一点与任意维数组。
例如
import numpy as np
arr1d = np.array([np.nan, np.nan, np.nan, 1, 2, 3, 4, np.nan])
# expected result: np.array([1., 2., 3., 4.])
arr2d = np.array([[np.nan, np.nan, np.nan],
[1., 2., np.nan],
浏览 6提问于2017-05-01得票数 3
回答已采纳
我将根据一维数组值对以下2D和1DNumpy数组进行排序，但将引发ValueError：
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
这些阵列是：
import numpy as np
a = np.array(
[[0, 1, 0, 1, 1, 1, 1],
[1, 0, 0, 1, 1, 0, 1],
[0, 1, 1, 1, 1, 0, 0,],
[0, 0, 0, 0, 1, 0, 0,
浏览 10提问于2022-04-10得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
