質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

2回答

3094閲覧

説明関数が3次元の場合のSVM

terurururu

総合スコア5

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2019/12/03 11:52

前提・実現したいこと

svmの説明関数を3次元の状態のまま分類を行いたいと思っています。
Python3.7.4で現在SVMを実装しようとしています。
目的関数(data_ofj)はnp.ndimで”1”
説明関数(data_sets)はnp.ndimで”3”
という状況でfit関数にかけてみていますが、以下のようなエラーに悩まされています。
原因としては説明変数(data_sets)が3次元ではいけないことまでは分かったのですが、fit関数はどのようにしても2次元に落とし込まないといけないのでしょうか。
よろしくお願いいたします。

発生している問題・エラーメッセージ

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

該当のソースコード

 

Python

1  X_train, X_test, Y_train, Y_test = train_test_split(data_ofj, data_sets, test_size=0.3) 2 print(np.shape(Y_train)) 3 clf = SVC(kernel="rbf", C=1000, gamma=0.01) 4 clf.fit(Y_train, X_train) 5 test_pre = clf.predict(Y_test) 6

試したこと

一度、説明関数をreshapeやtranspose,stackを使い、無理やり2次元にした際にはできたのですが画像のピクセル値ではなく、時間に依存するデータですのでどうしてもそのまま使いたいと思っています。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答2

0

ベストアンサー

fit関数はどのようにしても2次元に落とし込まないといけないのでしょうか

はい。


時系列データは汎用の機械学習手法で取り扱うには限界がありますから、

  • 特徴抽出を行う

または

  • 時系列データ向きのモデルを最初から使う

という工夫が必要かと思います。

投稿2019/12/06 06:52

hayataka2049

総合スコア30933

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

hayataka2049

2019/12/06 07:12 編集

質問文にある「2次元」は説明変数が2次元であることではなく、numpy配列のndimについての議論かと思います。 (プログラミング用語としての「n次元配列」であって、説明変数のベクトルの次元数については言及していない。数学的にはテンソルの階数と考えるのが無難か) shape (n_samples, n_features)が要求されているということが、まさにそのまま「2次元配列出ないといけない理由」です。
dark-eater-kei

2019/12/06 07:17

ああ,そういう意味でしたか誤解しました.すみません. 質問文で**説明変数が3次元**と書かれていたので,誤解しました.
terurururu

2019/12/09 00:43

hayataka2049様。丁寧な回答をありがとうございます。非常に勉強になりました。
guest

0

scikit-learnを使っている前提で答えますが,

X_train, X_test, Y_train, Y_test = train_test_split(data_set, data_ofj, test_size=0.3) clf.fit(X_train, Y_train) test_pre = clf.predict(X_test)

ではないでしょうか.

投稿2019/12/03 11:56

編集2019/12/03 12:02
dark-eater-kei

総合スコア1248

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

terurururu

2019/12/06 03:05

回答ありがとうございます。確かにその通りかもしれません。また確認しておきます。 今回の質問と致しましては、fit関数で用いる説明関数の次元が3次元で可能か否か、といった点にありますのでもしもご存知でしたらご教授いただけますか。
dark-eater-kei

2019/12/06 07:31 編集

↑の追記です. 下記の回答にもあるとおり,説明変数が多次元でもfitは適用できますが,len(X.shape) > 2では無理です. 説明関数という言葉を説明変数と置き換えて理解していますが,説明変数が3次元(ベクトル)ということと,説明変数そのものが多次元構造を持っていることは異なります.前者の場合ですとfit関数を使えますが後者の場合は質問者様が試したとおり,ベクトル表現に治す必要があります.
terurururu

2019/12/09 00:42

丁寧な回答をありがとうございます。とても参考になりました。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問