我正在尝试使用 KNN 将 .wav 文件正确分类为两组:组 0 和组 1。
我提取了数据,创建了模型,拟合了模型,但是当我尝试使用 .predict() 方法时,出现以下错误:
Traceback (most recent call last):
File "/..../....../KNN.py", line 20, in <module>
classifier.fit(X_train, y_train)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/neighbors/base.py", line 761, in fit
X, y = check_X_y(X, y, "csr", multi_output=True)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/utils/validation.py", line 521, in check_X_y
ensure_min_features, warn_on_dtype, estimator)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/utils/validation.py", line 405, in check_array
% (array.ndim, estimator_name))
ValueError: Found array with dim 3. Estimator expected <= 2.
我发现这两个 stackoverflow 帖子描述了类似的问题:
sklearn Logistic 回归“ValueError:找到的数组暗淡为 3。预计估计器 https://stackoverflow.com/questions/34972142/sklearn-logistic-regression-valueerror-found-array-with-dim-3-estimator-expec
错误:找到暗淡 3 的数组。估计器预期 https://stackoverflow.com/questions/34866548/error-found-array-with-dim-3-estimator-expected-2
并且,如果我错了,请纠正我,但 scikit-learn 似乎只能接受二维数据。
我的训练数据的形状为 (3240, 20, 5255)
其中包括:
- 该数据集中有 3240 个 .wav 文件(这是训练数据的索引 0)
为了
- For each.wav 文件中有一个 (20, 5255) numpy 数组,它表示 MFCC 系数(MFCC 系数尝试以数字方式表示声音)。
我的测试数据的形状为 (3240,) #category 为 0 或 1
我可以使用什么代码来操作我的训练和测试数据,将其转换为 scikit-learn 可以使用的形式?另外,如何保证从3维降到2维时数据不丢失?