这是我用于猫狗图像识别的代码:
import numpy as npfrom sklearn.svm import SVCfrom sklearn.model_selection import train_test_splitfilename= 'catdog_datasets.txt'filename1= 'catdog_datasets.txt'raw_data = open(filename, 'rt')raw_data1 = open(filename1, 'rt')#data = numpy.loadtxt(raw_data,dtype='object',delimiter=":")features_data = np.loadtxt(raw_data,dtype='object',delimiter=":",usecols=(0))labels_data = np.loadtxt(raw_data1,dtype='object',delimiter=":",usecols=(1))print(features_data.shape)print(labels_data.shape)#print(labels_data)#print(features_data)X_train, X_test, y_train, y_test = train_test_split(features_data,labels_data,test_size=0.2)print (y_train.shape)print (y_test.shape)print (X_train.shape)print (X_test.shape)clf = SVC(kernel='linear',C=1.0)clf.fit(X_train,y_train)predictions = clf.predict(X_test)catdog_datasets.txt 文件包含了500张猫和500张狗的HOG特征向量，标签为猫设为0，狗设为1。文件格式如下：0.270150 0.070257 0.040265 0.037243 0.013678 :0
注意：特征向量的大小约为1765*1，为了提问方便，我给出的尺寸是5*1。问题在于特征向量是字符串形式，我希望将其转换为浮点数数组以提供给SVM。这是我遇到的错误:
clf.fit(X_train,y_train) File "C:\Users\TIKA-OPT790-04\AppData\Local\Programs\Python\Python36-32\lib\site-packages\sklearn\svm\base.py", line 149, in fit X, y = check_X_y(X, y, dtype=np.float64, order='C', accept_sparse='csr') File "C:\Users\TIKA-OPT790-04\AppData\Local\Programs\Python\Python36-32\lib\site-packages\sklearn\utils\validation.py", line 573, in check_X_y ensure_min_features, warn_on_dtype, estimator) File "C:\Users\TIKA-OPT790-04\AppData\Local\Programs\Python\Python36-32\lib\site-packages\sklearn\utils\validation.py", line 433, in check_array array = np.array(array, dtype=dtype, order=order, copy=copy)ValueError: could not convert string to float:0.270150 0.070257 0.040265 0.037243 0.013678回答：
错误的原因是你的文件中包含这样的行:
f1 f2 f3 f4 ............................................f1565 :0如你所见，特征之间由空格分隔，整个特征向量与标签由冒号(:)分隔。
在你的代码中，你使用了delimiter=":"，所以你的features_data将只包含每行的单个值，如下所示:
f1 f2 f3 f4 ............................................f1565你需要进一步将其拆分为多个特征才能正确使用。
现在numpy.loadtxt不支持多个分隔符的原生处理，所以你需要使用其他选项或变通方法。
-
在你当前程序的基础上进一步拆分
features_data:features_data = np.array([l.strip().split(' ') for l in features_data]) -
推荐使用：
pandas.read_csv():all_data = pd.read_csv(raw_data, sep=':|\s+', engine='python', header=None)# 除最后一列外的所有列features_data = all_data.iloc[:,0:-1]#最后一列labels_data = all_data.iloc[:,-1]
