ValueError:在 k 最近邻中设置一个数组元素，其序列位于 fit(X， y)

Question

我在这一行有一个错误：neigh.fit（X， y） ：值错误：使用序列设置数组元素。

我检查了拟合函数，X 是：{数组样，稀疏矩阵，BallTree，cKDTree}我的X是一个列表列表，具有第一个元素的坚固性数和第二个元素的hemnt humoment列表（7个单元格）。如果我改变并且我只取第一个 humoment 数字来拥有一个纯粹的列表列表给出此错误：查询数据维度必须与 BallTree 数据维度匹配。

我的代码：

listafeaturevector = list()
path = 'imgknn/'
for infile in glob.glob( os.path.join(path, '*.jpg') ):
    print("current file is: " + infile )
    gray = cv2.imread(infile,0)
    element = cv2.getStructuringElement(cv2.MORPH_CROSS,(6,6)) 
    graydilate = cv2.erode(gray, element)
    ret,thresh = cv2.threshold(graydilate,127,255,cv2.THRESH_BINARY_INV) 
    imgbnbin = thresh
    #CONTOURS
    contours, hierarchy = cv2.findContours(imgbnbin, cv2.RETR_TREE ,cv2.CHAIN_APPROX_SIMPLE)
    print(len(contours))
    for i in range (0, len(contours)):
        fv = list()  #1 feature vector
        #HUMOMENTS
        #print("humoments")
        mom = cv2.moments(contours[i], 1)  
        Humoments = cv2.HuMoments(mom)
        #print(Humoments) 
        fv.append(Humoments) #query data dimension must match BallTree data dimension
        #SOLIDITY
        area = cv2.contourArea(contours[i])
        hull = cv2.convexHull(contours[i]) #ha tanti valori
        hull_area = cv2.contourArea(hull)
        solidity = float(area)/hull_area
        fv.append(solidity)
        #fv.append(elongation)
        listafeaturevector.append(fv)
print("i have done")
print(len(listafeaturevector))
lenmatrice=len(listafeaturevector)
#KNN
X = listafeaturevector
y = [0,1,2,3]* (lenmatrice/4)
from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X, y)  #ValueError: setting an array element with a sequence.
print(neigh.predict([[1.1]]))
print(neigh.predict_proba([[0.9]]))

如果我尝试在 numpy 数组中隐藏它：

listafv = np.dstack(listafeaturevector)
listafv=np.rollaxis(listafv,-1)
print(listafv.shape)
data = listafv.reshape((lenmatrice, -1))
print(data.shape)
#KNN

X = 数据

我得到：使用序列设置数组元素

Answer 1

几个建议/问题：

Humoments = cv2.HuMoments(mom)

返回值Humoments的类是什么？float还是list？如果float，那很好。

for each image file
    for i in range (0, len(contours)):
       fv = list()  #1 feature vector
       ...
       fv.append(Humoments) 
       ...
       fv.append(solidity)
       listafeaturevector.append(fv)

上面的代码似乎不正确。在您的问题中，我认为您需要为每个图像构建一个特征向量。因此，与图像i相关的任何内容都应转到相同的特征向量x_i。然后，组合所有特征向量以获取X的特征向量列表。但是，您的listafeaturevector（或X）呈现在最内层的循环中，这显然是不正确的。

其次，你对contours中的元素数量有一个循环，你确定每个图像的元素数量保持不变吗？否则，不同图像的特征数量（|x_i|）完全不同，这可能会导致错误

setting an array element with a sequence.

第三，您清楚要如何对图像进行分类吗？ 不同图像的目标值/标签是什么？我看到你只是用[0,1,2,3]* (lenmatrice/4)设置标签.你能详细说明你想用这些图像做什么吗？它们是否包含不同类型的对象？它们是否显示出不同的模式？这些图像是否描述了不同的主题/颜色？如果是，对于每种不同的类型，您给出不同的标签 - 0,1,2或"红色"，"白色"，"黑色"（假设您只有3种类型）。标签的值无关紧要。重要的是他们有多少价值观。我试图了解labels在您的情况下的不同之处。

另一方面，如果只想检索相似的图像，则无需使用分类器或为每个图像指定标签。相反，请尝试使用 NearestNeighbors .

print(neigh.predict([[1.1]]))
print(neigh.predict_proba([[0.9]]))

第四，以上两条测试线不正确。您需要设置一个类似X的对象，以便从分类器获取预测。也就是说，您需要一个特征向量x，其结构与您在训练示例中构建的结构相同（所有h,e,s的顺序相同）。