Python 无法从numpy数组加载数据以进行SVM分类

我有numpy格式的图像，我从internet（）下载了数据。数据示例（1、34、23、100），这里1是图像编号，34x23是像素值，100是通道

我想为机器学习模型的训练加载数据，我查看了其他来源，它们的数据格式仅为34x23

#my code till now
dataset1 = np.load('x.npy', encoding='bytes')
print("shape of dataset1")
print(dataset1.shape, dataset1.dtype)
#data shape
shape of dataset1
(3, 50, 170, 110) float64

#my code
data1 = dataset1[:, :, :, -1]
data1.shape

如果我像这样使用SVM

from sklearn.svm import SVC
clf = SVC(gamma='auto')
clf.fit(datasset1, y) 

我弄错了

ValueError: Found array with dim 4. Estimator expected <= 2

我的预期输出是如何将数据传递给svm进行分类

注意，你的x.npy没有图像

x、 npy包含处理过的大米数据集的示例数据立方体 可用于培训/测试。每个数据立方体都是三维的 50x170x110张量：两个空间维度和一个光谱维度

---

问题是SVM只接受2d数组，数据的格式是（样本数、行、列、通道）

试试这个，它对我有用

dataset1 = np.load('x.npy', encoding='bytes')
dataset2 = np.load('labels.npy', encoding='bytes')

nsamples, nx, ny, nz = dataset1.shape
X = dataset1.reshape((nsamples,nx*ny*nz))

y = numpy.argmax(dataset2, axis=1)

from sklearn import svm
clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X, y) 

#repalce X with your test data
print(clf.predict(X))

---

看一看这张照片。文件由三维50x170x110张量组成，例如，一个形状为3x50x170x110的数据。为什么我在这里得到3？数据集1的形状为（3，50，170，110），解释器将如何获取3个不同的数据如果你看这里：你会发现：num_training=x_training.shape[0]N_spatial=x_training.shape[1:3]N_bands=x_training.shape[3]谢谢，在N_spatial中，我们得到了图像的行和列，对吗？你没有图像。。。你们有张量，“处理过的大米数据集”好的，但我得到了错误，当传递给支持向量机时，我更新了我的问题，请建议

dataset1 = np.load('x.npy', encoding='bytes')
dataset2 = np.load('labels.npy', encoding='bytes')

nsamples, nx, ny, nz = dataset1.shape
X = dataset1.reshape((nsamples,nx*ny*nz))

y = numpy.argmax(dataset2, axis=1)

from sklearn import svm
clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X, y) 

#repalce X with your test data
print(clf.predict(X))