python - SGDClassifier在MNIST上的用法

我正在使用带有scikit_Learn的动手机器学习（O'Reilly）进行自学，目前正在将MNIST数据与不同的分类器一起使用。

第94页的文字说SGDClassifier能够执行多类分类，并且使用OvA算法。当我尝试像这样适合分类器时：

sgd_clf = SGDClassifier()
sgd_clf.fit(x_train, y_train)

我收到一个错误：


  输入形状错误（55000，10）。


这似乎与文本矛盾。



资料资讯

x_train.shape是55000x784，y_train.shape是55000x10，它们都是numpy.ndarray。

当我适合KNeighborsClassifier时，它可以完美工作。

SGDClassifier是否解决了多类别分类问题？

谢谢！

最佳答案

如the documentation中所述，


  与其他分类器一样，SGD必须配备两个数组：数组X
  大小为[n_samples，n_features]的训练样本，以及
  大小为[n_samples]的数组Y，用于保存目标值（类标签）
  用于训练样本


这意味着y是由类标签组成的一维数组，如以下示例所示（取自上面的链接）：

>>> from sklearn.linear_model import SGDClassifier
>>> X = [[0., 0.], [1., 1.]]
>>> y = [0, 1]
>>> clf = SGDClassifier(loss="hinge", penalty="l2")
>>> clf.fit(X, y)
SGDClassifier(alpha=0.0001, average=False, class_weight=None, epsilon=0.1,
       eta0=0.0, fit_intercept=True, l1_ratio=0.15,
       learning_rate='optimal', loss='hinge', n_iter=5, n_jobs=1,
       penalty='l2', power_t=0.5, random_state=None, shuffle=True,
       verbose=0, warm_start=False)

因此，您应该将y转换为包含类标签（在本例中为0-9）的向量。

关于python - SGDClassifier在MNIST上的用法，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45284375/