Numpy ValueError:设置一个数组元素，该数组元素的序列在k最近邻中的拟合（X，y）处

我在这行有一个错误：neigh.fit（X，y）： ValueError:使用序列设置数组元素

我检查了fit函数，X是：{类数组，稀疏矩阵，BallTree，cKDTree} My X是一个列表，其中第一个元素的实体数和第二个元素的实体数列表（7个单元格）。 如果我改变，我只取第一个休谟数，因为我有一个纯列表 给出此错误：查询数据维度必须与BallTree数据维度匹配

我的代码：

listafeaturevector = list()
path = 'imgknn/'
for infile in glob.glob( os.path.join(path, '*.jpg') ):
    print("current file is: " + infile )
    gray = cv2.imread(infile,0)
    element = cv2.getStructuringElement(cv2.MORPH_CROSS,(6,6)) 
    graydilate = cv2.erode(gray, element)
    ret,thresh = cv2.threshold(graydilate,127,255,cv2.THRESH_BINARY_INV) 
    imgbnbin = thresh

    #CONTOURS
    contours, hierarchy = cv2.findContours(imgbnbin, cv2.RETR_TREE ,cv2.CHAIN_APPROX_SIMPLE)
    print(len(contours))

    for i in range (0, len(contours)):
        fv = list()  #1 feature vector

        #HUMOMENTS
        #print("humoments")
        mom = cv2.moments(contours[i], 1)  
        Humoments = cv2.HuMoments(mom)
        #print(Humoments) 
        fv.append(Humoments) #query data dimension must match BallTree data dimension

        #SOLIDITY

        area = cv2.contourArea(contours[i])
        hull = cv2.convexHull(contours[i]) #ha tanti valori
        hull_area = cv2.contourArea(hull)
        solidity = float(area)/hull_area
        fv.append(solidity)

        #fv.append(elongation)
        listafeaturevector.append(fv)

print("i have done")
print(len(listafeaturevector))
lenmatrice=len(listafeaturevector)

#KNN
X = listafeaturevector
y = [0,1,2,3]* (lenmatrice/4)

from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X, y)  #ValueError: setting an array element with a sequence.

print(neigh.predict([[1.1]]))
print(neigh.predict_proba([[0.9]]))

如果我尝试在numpy数组中隐藏它：

listafv = np.dstack(listafeaturevector)
listafv=np.rollaxis(listafv,-1)
print(listafv.shape)
data = listafv.reshape((lenmatrice, -1))
print(data.shape)

#KNN

X=数据

---

我得到：用序列设置数组元素

一些建议/问题：

Humoments = cv2.HuMoments(mom)

返回值

Humoments

的类别是什么？一个

浮点数

或一个

列表

？如果

浮动

，则可以

for each image file
    for i in range (0, len(contours)):
       fv = list()  #1 feature vector
       ...
       fv.append(Humoments) 
       ...
       fv.append(solidity)
       listafeaturevector.append(fv)

上面的代码似乎不正确。在您的问题中，我认为您需要为每个图像构造一个特征向量。因此，与图像

i

相关的任何内容都应该转到相同的特征向量

xi

。然后，组合所有特征向量以获得特征向量列表

X

。但是，您的

listafeaturevector

（或

X

）显示在最内部的循环中，这显然是不正确的

第二，您有一个循环，与

轮廓中的元素数量相对应，您确定每个图像的元素数量保持不变吗？否则，不同图像中的功能（
|x|i |
）数量完全不同，这可能会导致

setting an array element with a sequence.

第三，您是否清楚如何对图像进行分类？不同图像的目标值/标签是什么？我看到您只是使用
[0,1,2,3]*（lenmatrice/4）
设置标签。你能详细说明你想用这些图像做什么吗？它们是否包含不同类型的对象？它们是否显示出不同的模式？这些图片描述了不同的主题/颜色吗？如果是，对于每种不同的类型，您会给出不同的标签-0、1、2或“红色”、“白色”、“黑色”（假设您只有3种类型）。标签的值无关紧要。重要的是他们有多少价值观。我正在努力理解
标签在您的案例中的区别

另一方面，如果只想检索相似的图像，则不需要使用分类器或为每个图像指定标签。相反，尝试使用
最近的邻居

print(neigh.predict([[1.1]]))
print(neigh.predict_proba([[0.9]]))

第四，以上两行测试不正确。您需要设置一个类似于
X
的对象，以便从分类器获得预测。也就是说，您需要一个特征向量
x
，其结构与您在培训示例中构建的结构相同（所有
h，e，s
的顺序相同）。
请发布完整的堆栈跟踪，而不仅仅是异常。它可能包含解决您的问题的有用信息。因此，错误在于转换为numpy数组，对吗？这可能是因为列表的长度不同。你的答案非常宝贵！首先：Humoment是一个列表，第二：每个图像都有许多对象/轮廓，并且每个图像的对象/轮廓数量并不相同，最后但并非最不重要的一点，我想我会尝试使用最接近的邻居，因为我只想要相似的图像！问题：如果一张图像只有一个特征向量，我的特征向量是一个对象/轮廓列表，如下所示：第一张图像：[[h1，e1，s1]，[h2，e2，s2]，[h3，e3，s3]]，X是这些特征向量的列表（即矩阵）？欢迎您。您可能希望展开列表并组合元素，以便每个图像都是一个列表。还要确保每个特征向量包含相同数量的元素，并且所有元素以相同的顺序出现。e、 例如，第一幅图像：[代码>h1、h2、h3、e1、e2、e3、s1、s2、s3
]，第二幅图像
[h1'，h2'，h3'，e1'，e2'，e3'，s1'，s2'，s3'
]。图像中不能有不同数量的对象/轮廓。相反，您可以使用最大数量的对象，并为那些没有这么多的对象使用一些默认值。我更改了特征向量创建（现在我的特征向量是：第一个图像：[h1，h2，h3，e1，e2，e3，s1，s2，s3]），我使用最大数量的对象，我的y是[0,1,2,3]。新错误：找到具有dim 4的阵列。预期为31，这就是我写[0,1,2,3]*（lenmatrice/4）的原因，31是我的图像/特征向量的数量，你根本不需要y。请参见最近邻居.fit（X）的示例。因为你不需要分类器。请原谅我的无知，我使用了最近邻函数：print（neigh.kneighbors（fv）），其中fv是图像的特征向量，这是结果：（数组（[[2.28996567,2.38927531,2.46947026]]），数组（[[1,5,3]]）。我怎样才能知道这些结果代表的是哪个图像？我必须创建一个小字典功能向量-->图像吗？