python - 如何在监督学习中跟踪标签？

Closed. This question needs to be more focused。它当前不接受答案。
                            
                        
                    
                
                            
                                
                
                        
                            
                        
                    
                        
                            想改善这个问题吗？更新问题，使其仅通过editing this post专注于一个问题。
                        
                        2年前关闭。
                                                                                            
                
        
我有144张名为“ Good_id”和“ Bad_id”的图像。

现在，我已读取所有图像并从中提取出13个特征，并存储在numpy形状数组中（144,13）。

我不明白的是如何告诉分类器（我将为此使用svm）数组中的图像来自“好”或“坏”类。

最佳答案

将类保存到单独的数组y中，将“ Good_id”编码为1，将“ Bad_id”编码为0（与它们在（144,13）数组中出现的顺序相同）。然后，当您使用SVM时，您将通过以下方式传递两个numpy数组：

>>> import numpy as np
>>> X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
>>> y = np.array([1, 1, 2, 2])
>>> from sklearn.svm import SVC
>>> clf = SVC()
>>> clf.fit(X, y)

（摘自sklearn SVM documentation）。
更一般而言，如果您有K个不同的类，则可以使用k个不同的数字来表示它们。 Here是多类案例的文档。

关于python - 如何在监督学习中跟踪标签？ ，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/42973621/