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
85.45%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

scikit-learn

scikit-learnは、Pythonで使用できるオープンソースプロジェクトの機械学習用ライブラリです。多くの機械学習アルゴリズムが実装されていますが、どのアルゴリズムも同じような書き方で利用できます。

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。

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

1回答

694閲覧

画像分類するモデルを作成したい

shishi_maru440

総合スコア38

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

scikit-learn

scikit-learnは、Pythonで使用できるオープンソースプロジェクトの機械学習用ライブラリです。多くの機械学習アルゴリズムが実装されていますが、どのアルゴリズムも同じような書き方で利用できます。

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。

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

1クリップ

投稿2021/04/14 22:22

前提・実現したいこと

画像を分類するモデルを作りたい。

発生している問題・エラーメッセージ

モデルをfitさせる時にエラーで実行できない・

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

該当のソースコード

python

1import pandas as pd 2import numpy as np 3import glob 4import cv2 5from PIL import Image 6 7df2 = pd.read_csv("data2.csv") 8files = glob.glob("/Users/a440/Desktop/happy_images/*") 9 10df_files = pd.DataFrame({"data":files}) 11df2["data"] = "/Users/a440/Desktop/happy_images/" + df2["data"] + ".jpg" 12df2 = df2.drop("Unnamed: 0", axis=1) 13df2.to_csv("data2-2.csv") 14 15df_join = pd.merge(df2, df_files, how="inner",on="data",indicator=True) 16 17#yの設定 18smiles =df_join["smile"] 19target = [] 20 21for smile in smiles: 22 data = np.asarray(smile) 23 target.append(data) 24y = np.array(target) 25 26 27#xの設定 28titles = df_join["data"] 29 30photo_array = [] 31 32for title in titles: 33 bgr = Image.open(title) 34 35 bgr = bgr.convert("RGB") 36 bgr = bgr.resize((50, 50)) 37 bgr = np.asarray(bgr) 38 photo_array.append(bgr) 39 40x = np.array(photo_array) 41 42from sklearn.model_selection import train_test_split 43 44(train_x,test_x, train_y, test_y) = train_test_split(x, y, test_size=0.3, random_state=0) 45 46from sklearn.ensemble import RandomForestClassifier 47 48model = RandomForestClassifier(n_estimators = 100,random_state=0) 49 50model.fit(train_x, train_y)

OUT

1--------------------------------------------------------------------------- 2ValueError Traceback (most recent call last) 3<ipython-input-27-2140cc40a840> in <module> 4 3 model = RandomForestClassifier(n_estimators = 100,random_state=0) 5 4 6----> 5 model.fit(train_x, train_y) 7 8/opt/anaconda3/lib/python3.7/site-packages/sklearn/ensemble/_forest.py in fit(self, X, y, sample_weight) 9 302 ) 10 303 X, y = self._validate_data(X, y, multi_output=True, 11--> 304 accept_sparse="csc", dtype=DTYPE) 12 305 if sample_weight is not None: 13 306 sample_weight = _check_sample_weight(sample_weight, X) 14 15/opt/anaconda3/lib/python3.7/site-packages/sklearn/base.py in _validate_data(self, X, y, reset, validate_separately, **check_params) 16 430 y = check_array(y, **check_y_params) 17 431 else: 18--> 432 X, y = check_X_y(X, y, **check_params) 19 433 out = X, y 20 434 21 22/opt/anaconda3/lib/python3.7/site-packages/sklearn/utils/validation.py in inner_f(*args, **kwargs) 23 70 FutureWarning) 24 71 kwargs.update({k: arg for k, arg in zip(sig.parameters, args)}) 25---> 72 return f(**kwargs) 26 73 return inner_f 27 74 28 29/opt/anaconda3/lib/python3.7/site-packages/sklearn/utils/validation.py in check_X_y(X, y, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, ensure_min_features, y_numeric, estimator) 30 800 ensure_min_samples=ensure_min_samples, 31 801 ensure_min_features=ensure_min_features, 32--> 802 estimator=estimator) 33 803 if multi_output: 34 804 y = check_array(y, accept_sparse='csr', force_all_finite=True, 35 36/opt/anaconda3/lib/python3.7/site-packages/sklearn/utils/validation.py in inner_f(*args, **kwargs) 37 70 FutureWarning) 38 71 kwargs.update({k: arg for k, arg in zip(sig.parameters, args)}) 39---> 72 return f(**kwargs) 40 73 return inner_f 41 74 42 43/opt/anaconda3/lib/python3.7/site-packages/sklearn/utils/validation.py in check_array(array, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, estimator) 44 639 if not allow_nd and array.ndim >= 3: 45 640 raise ValueError("Found array with dim %d. %s expected <= 2." 46--> 641 % (array.ndim, estimator_name)) 47 642 48 643 if force_all_finite: 49 50ValueError: Found array with dim 3. Estimator expected <= 2.

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。

jbpb0

2021/04/15 02:49

model.fit(... の直前に下記を追加して、その結果を見て、考えてみてください print(train_x.shape) print(train_y.shape)
shishi_maru440

2021/04/15 13:03

現状は print(train_x.shape) >>>(4508, 50, 50, 3) print(train_y.shape) >>>(4508,) reshape(-1, 1)で1次元にしてみてもうまくいかず、、、 print(train_x.shape) >>>(4508, 7500, 1) print(train_y.shape) >>>(4508, 1) 恐縮ですが解決法ご教示いただければと思います。
shishi_maru440

2021/04/15 14:04

titles = df_join["data"] photo_array = [] for title in titles: bgr = Image.open(title) bgr = bgr.convert("RGB") bgr = bgr.resize((50, 50)) bgr = np.asarray(bgr) bgr = bgr.reshape(-1, 2) photo_array.append(bgr) x = np.array(photo_array) x.shape >>>(6441, 3750, 2) これでもうまくいかなかったのですが何が間違っていルのでしょうか。 お手数おかけして申し訳ありません。
jbpb0

2021/04/15 14:06

2次元なので、 print(train_x.shape) >>>(4508, 7500) となるようにしてみてください
shishi_maru440

2021/04/15 14:25

bgr = bgr.reshape(-1)でできました。 少し2次元に解釈が間違っていることに気づきました。 大変助かりました。 ありがとうございます。
guest

回答1

0

自己解決

bgr = bgr.reshape(-1)
で2次元配列にでき解決。

投稿2021/04/15 14:50

shishi_maru440

総合スコア38

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。

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
85.45%

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