15
我试图在这款笔记本上解决这个问题。问题是通过使用sklearn.linear_model的LogisticRegression模型,使用50,100,1000和5000个训练样本对这些数据进行简单模型训练。 https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/udacity/1_notmnist.ipynbsklearn逻辑回归“ValueError:找到与昏暗的数组3.估计值预期<= 2”。
lr = LogisticRegression()
lr.fit(train_dataset,train_labels)
这是我要做的,它给我的错误代码。 ValueError:找到与暗淡的数组3.估计预计< = 2.
任何想法?
您是否介意解释ndarray.reshape如何将3D数据奇迹般地转换为2D而不会丢失原始矢量表示的信息? – scipilot
保持第一维度,并且其他两个维度变平(所以28x28变成784)。拟合算法接下来将考虑样本1的第一个784特征部分和样本2的下一个784特征部分,依此类推。 –
我将我的X数据与y标签分开。我如何使用这个答案来压扁X训练数据集? Y标签是一个5k阵列。 X_train是5k x 1024 x 1024 – BluePython