#python-3.x #machine-learning #svm
#python-3.x #машинное обучение #svm
Вопрос:
Я новичок в python. В своем коде я пытался реализовать машину опорных векторов с нуля. Ранее в коде было 2 функции и 2 класса (1 и -1) с 6 экземплярами (для каждого класса), и он работал нормально. Я пытаюсь реализовать один и тот же код для 9 объектов и 2 классов (1 и -1) с 6 экземплярами (для каждого класса), и это выдает мне ошибку значения, и я, похоже, не могу это исправить. Я использую Python версии 3.6.3 Спасибо за вашу помощь.
#This is my dictionary/dataset
data_dict = {-1: np.array([[1, 7, 4, 1, 9, 1, 5, 6, 7],
[2, 8, 6, 0, 8, 6, 8, 5, 2],
[3, 8, 7, 3, 2, 5, 4, 4, 8], ]),
1: np.array([[5, 1, 8, 2, 6, 4, 0, 2, -3],
[6, -1, 5, -2, 6, -3, 0, 5, 3],
[7, 3, 0, 4, 10, -6, 9, 8, 2], ])}
#Call to the function
svm = Support_Vector_Machine()
svm.fit(data=data_dict)
#Function fit
def fit(self, data):
self.data = data
#Some more code here
#w_t and b intialized here
for i in self.data:
for xi in self.data[i]:
yi = i
if not yi * (np.dot(w_t, xi) b) >= 1:
found_option = False
# print(xi,':',yi*(np.dot(w_t,xi) b))
if found_option:
opt_dict[np.linalg.norm(w_t)] = [w_t, b]
Сообщение об ошибке:
в модуле
svm.fit(data=data_dict)
в соответствии
if not yi * (np.dot(w_t, xi) b) >= 1:
ValueError: shapes (2,) and (9,) not aligned: 2 (dim 0) != 9 (dim 0)
Комментарии:
1. какова форма w_t?
2. @mujjiga Спасибо!! Вот в чем была проблема. n_t был ndarray с 2 элементами.
Ответ №1:
Спасибо. Я понял это. Проблема заключалась в размере и форме массива w_t. в w_t было 2 элемента, и я пытался умножить его на массив из 9 элементов. Я исправил это, и теперь все работает нормально.