Python sklearn数字数据集的输入形状错误

我得到的错误是

import sklearn
import matplotlib.pyplot as plt

from sklearn import datasets
from sklearn import svm

digits = datasets.load_digits()

clf = svm.SVC(gamma=0.01,C= 100)

x = digits.data[:-10]
y = digits.data[:-10]

clf.fit(x,y)

print ("prediction:",clf.predict(digits.data[-1]))

plt.imshow(digits.image[-1],cmap = plt.cm.gray_r, interpolation ="nearest")
plt.show

我不确定阵列的形状应该是什么

---

有人能帮忙吗！谢谢

您应该使用digits.target作为y，而不是digits.data。SVM只接受1D预测变量，这暗示您向它传递了错误的值。target是x中8x8图像所描绘的值0..9。

Arya McCarthy关于使用数字的建议。target as y是正确的。因此，将digits.data声明为特征变量x，digits.target声明为目标变量y是正确的。请尝试您的代码，我修改如下：

Traceback (most recent call last):
  File "python", line 14, in <module>
ValueError: bad input shape (1787, 64)

下面是我运行代码的结果

---

它应该是y=digits.data[-10:]。@COLDSPEED谢谢你的评论，我把它改成了你说的方式，仍然抛出了错误作为文件python，第15行，在ValueError:bad input shape 10，64任何错误都应该编辑到你的帖子中。注释不是调试损坏代码的最佳位置。顺便说一句，我建议尝试找出您的数据和标签是什么，并相应地进行切片。我当然不知道，因为这不是我的数据，我不会用ssh连接到您的系统中去发现。第二行应该是y=数字。目标[：-10]为什么我的答案在我给OP一个正确答案时被否决？为什么我给OP一个正确答案时被否决？

import sklearn
import matplotlib.pyplot as plt

from sklearn import datasets
from sklearn import svm

digits = datasets.load_digits()

clf = svm.SVC(gamma=0.01,C= 100)

x = digits.data
y = digits.target

clf.fit(x,y)
print ("prediction:",clf.predict(digits.data[-1].reshape(1, -1)))
plt.imshow(digits.images[-1],cmap = plt.cm.gray_r, interpolation ="nearest")
plt.show()