我正在尝试使用KNN将.wav文件正确地分为两组，组0和组1。
我提取了数据，创建了模型，并拟合了模型，但是当我尝试使用.predict（）方法时，出现以下错误：
Traceback (most recent call last):
File "/..../....../KNN.py", line 20, in <module>
classifier.fit(X_train, y_train)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/neighbors/base.py", line 761, in fit
X, y = check_X_y(X, y, "csr", multi_output=True)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/utils/validation.py", line 521, in check_X_y
ensure_min_features, warn_on_dtype, estimator)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/utils/validation.py", line 405, in check_array
% (array.ndim, estimator_name))
ValueError: Found array with dim 3. Estimator expected <= 2.
我发现这两个stackoverflow帖子描述了类似的问题：
sklearn Logistic Regression "ValueError: Found array with dim 3. Estimator expected <= 2."
Error: Found array with dim 3. Estimator expected <= 2
而且，如果我错了，请纠正我，但是scikit-learn似乎只能接受二维数据。
我的训练数据具有形状（3240、20、5255）
其中包括：
该数据集中的3240个.wav文件（这是训练数据的索引0）
对于
对于每个.wav文件，都有一个（20，5255）numpy数组，它表示MFCC系数（MFCC系数尝试以数字方式表示声音）。
我的测试数据的形状为（3240，）#category为0或1
我可以使用什么代码来操纵我的训练和测试数据，以将其转换为scikit-learn可用的形式？另外，当我从3维降为2维时，如何确保数据不会丢失？
最佳答案
的确，sklearn仅适用于2D数据。
您可以尝试做的是：
只需在训练数据上使用np.reshape即可将其转换为形状(3240, 20*5255)。它将保留所有原始信息。但是sklearn将无法利用此数据中的隐式结构（例如，特征1、21、41等是同一变量的不同版本）。
在原始数据上构建卷积神经网络（例如使用tensorflow+Keras堆栈）。 CNN是专门为处理此类多维数据并利用其结构而设计的。但是它们有很多超参数需要调整。
在将数据整形为(3240, 20*5255)时使用降维（例如PCA）。它尽力保留尽可能多的信息，同时仍保持少量特征。
使用手动要素工程从数据结构中提取特定信息（例如，每个维度的描述性统计信息），并在此类要素上训练模型。
如果您有更多数据（例如10万个示例），则第一种方法可能效果最好。就您的情况（3K示例和10K功能）而言，您需要对模型进行大量正则化，以避免过度拟合。