Nano Hash - криптовалюты, майнинг, программирование

Передача 3D-данных для обучения SVM в scikit

Я пытаюсь использовать данные, собранные в ходе эксперимента, для создания модели SVM с помощью научного набора. Мои входные данные представляют собой трехмерный массив (пример x ниже), а метки являются логическими метками (пример y).

X = [[[00, 00], [01, 01],[02,02]],[[10,10],[11,11],[12,12]],[[20,20],[21,21],[22,22]]]
y = [0, 1,1]
clf = svm.SVC()
clf.fit(X, y)

Однако всякий раз, когда я пытаюсь выполнить приведенный выше код, я получаю следующую ошибку.

ValueError: Found array with dim 3. Estimator expected <= 2.

Я новичок в машинном обучении и scikit. Я был бы признателен за любую помощь и указания, которые помогут решить эту проблему.

python scikit-learn svm
10.03.2020

  • Эта матрица X никогда не может быть определена в python. ведущие нули в десятичных целочисленных литералах не допускаются; используйте префикс 0o для восьмеричных целых чисел 10.03.2020

Ответы:


1

Для целей вычислений X должен быть двумерной матрицей. Для трех и более измерений это должна быть нейронная сеть, такая как Сверточная нейронная сеть или Рекуррентная нейронная сеть.

В вашем случае вам следует возможно сгладить последнее измерение, ведущее к двумерной матрице, такой как:

X = [[00, 00, 01, 01, 02, 02],
     [10, 10, 11, 11, 12, 12],
     [20, 20, 21, 21, 22, 22]]

Я говорю возможно, потому что это действительно зависит от ваших данных. Если 3-е измерение связано со временем, вам следует рассмотреть возможность использования рекуррентной нейронной сети. Если это связано с динамикой, вы можете, например, вычислить производную. Это индивидуальное приложение, и иногда идея нетривиальна.

10.03.2020
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..