Sklearn SGDClassifier "Найден массив с dim 3. Ожидаемый оценщик <= 2" с изменением формы MNIST

Question

Я новичок в python и мл и просто пытался обойти с Mnist моя программа выглядит следующим образом

from sklearn.datasets import fetch_openml
import matplotlib as mpl
import matplotlib.pyplot as plt
from sklearn.linear_model import SGDClassifier
import numpy as np

mist=fetch_openml('mnist_784',version=1)
mist.keys()
x,y=mist['data'],mist['target']
x.shape
images = x[1]
images=images.reshape(28,28)
plt.imshow(images)
plt.show()
y=y.astype(np.uint8)
y[0]
xtrain,xtest,ytrain,ytest=x[:60000],x[60000:],y[:60000],y[60000:]
ytrain_5=(ytrain==5)
ytest_5=(ytest==5)
sgd = SGDClassifier(random_state=42)
sgd.fit(xtrain,ytrain_5)
sgd.predict([images])

И бросает и ошибка:

Найден массив с dim 3. Ожидается оценщик <= 2. </strong>

Answer 1

Используйте эту строку:

sgd.predict(images.reshape(1, 784))

Алгоритм был обучен с помощью сплюснутого массива формы (70000, 784), поэтому вам нужно сгладить images, чтобы сформировать (1, 784), прежде чем пройти через него. Вы ранее изменили его до (28, 28).

Полный код:

from sklearn.datasets import fetch_openml
import matplotlib as mpl
import matplotlib.pyplot as plt
from sklearn.linear_model import SGDClassifier
import numpy as np

mist=fetch_openml('mnist_784',version=1)
x,y=mist['data'],mist['target']
images = x[1]
images=images.reshape(28,28)
y=y.astype(np.uint8)
xtrain,xtest,ytrain,ytest=x[:60000],x[60000:],y[:60000],y[60000:]
ytrain_5=(ytrain==5)
ytest_5=(ytest==5)
sgd = SGDClassifier(random_state=42)
sgd.fit(xtrain,ytrain_5)
sgd.predict(images.reshape(1, 784))