Python 3.x 当输出标签为3D阵列时，如何使用SVM？

问题很简单，我有一个3D图像，我想用SVM分割它们。所以我将输入和输出图像转换为3D numpy数组，现在我想使用SVM。但似乎

clf.fit（）

不支持多维标签。那个么，在标签是多维数组的情况下，我如何训练我的模型呢

一个简单的例子：

from sklearn import svm
x=[[0,0],[1,1]]
y=[[0,0],[1,1]]
clf=svm.SVC(gamma='scale')
clf.fit(x,y)

错误是：

Traceback (most recent call last):
  File "basic.py", line 5, in <module>
    clf.fit(x,y)
  File "/usr/local/lib/python3.5/dist-packages/sklearn/svm/base.py", line 149, in fit
    accept_large_sparse=False)
  File "/usr/local/lib/python3.5/dist-packages/sklearn/utils/validation.py", line 761, in check_X_y
    y = column_or_1d(y, warn=True)
  File "/usr/local/lib/python3.5/dist-packages/sklearn/utils/validation.py", line 797, in column_or_1d
    raise ValueError("bad input shape {0}".format(shape))
ValueError: bad input shape (2, 2)

回溯（最近一次呼叫最后一次）：
文件“basic.py”，第5行，在
clf.配合（x，y）
文件“/usr/local/lib/python3.5/dist-packages/sklearn/svm/base.py”，第149行，适合
接受\u大\u稀疏=假）
文件“/usr/local/lib/python3.5/dist-packages/sklearn/utils/validation.py”，第761行，检查
y=列_或_1d（y，警告=真）
文件“/usr/local/lib/python3.5/dist-packages/sklearn/utils/validation.py”，第797行，在列_或_1d中
raise VALUERROR（“错误的输入形状{0}”。格式（形状））
ValueError:错误的输入形状（2，2）

您正在添加不同的y-class标签，这就是为什么它不起作用的原因。请参阅下面带内联注释的解决方案

from sklearn import svm
x=[[0,0],[1,1],[7,8]]
y=[0,1, 2]                 # class labels
clf=svm.SVC()              # clf=svm.SVC(gamma='scale') > gamma is auto. no need to add this.

print (clf.fit(x,y))

q = clf.predict([[2., 2.]])  # simple example to test prediction.

print ('array : %s ' % q)


# use of multiple class labes for y

x=[[0,0],[1,1]]
y=[[0,1],[0,2]]          # the value 2 is to show the difference in printed output.

# add here your `for item in x:` if both arrays are 3D. `for item in y:` needs
# indentation if you do.

for item in y:           # iters through the labeling list.
    print (item)
    clf=svm.SVC()

    print (clf.fit(x,item))

    q = clf.predict([[2., 2.]])

    print ('array : %s ' % q)

打印结果：

SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False)
array : [1] 
[0, 1]
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False)
array : [1] 
[0, 2]
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False)
array : [2]

---

@ZF007在发布之前，我已经看到了上面的链接，但是那里的输出数组只有1D，在我的例子中是3D。如果你通过编辑问题发布一些代码，有人可能会为你指出正确的方向。（在scikit learn的这一部分没有专业知识）。您的问题似乎有效，但可能由于缺少代码而触发了分类审查。@ZF007已更新。我需要训练输入为3D数组且标签也是3D数组的模型。使用示例并修改以适合您自己的x-array。Scikit learn不适合按您希望的方式进行。您可以对x中的项目执行

：对y中的项目执行
，这允许您通过3D阵列（x）和3D y进行iter。