Если вы используете алгоритм классификации SVM scikit-learn, он ожидает двухмерные массивы формы (n_samples, n_features)
для обучающего набора данных для функции SVM fit .
Набор данных, который вы передаете, является 4D-массивом, поэтому вам нужно преобразовать массив в 2D-массив.
Пример:
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
# To apply a classifier, we need to flatten the image, to
# turn the data in a (samples, feature) matrix,
# assuming data is numpy array of shape (17500, 32, 32, 3), convert to shape (17500, 3072).
n_samples = len(data)
data_reshape = data.reshape((n_samples, -1))
# Split data into train and test subsets
X_train, X_test, y_train, y_test = train_test_split(data_reshape, labels,
test_size=0.2)
clf.fit(X_train,y_train)