我有两个numpy数组（特征）。这些numpy数组的维度是：

audio=(360,13) —> 从音频文件中提取的特征

image=(360,5)–> 从这些音频文件的频谱图中提取的特征。

我想将这两个数组一起用于训练SVM分类器。但我知道SVM训练只接受一个数组（svm.train(feature , label)）。我在寻找是否有类似于svm.train(audio,image,label)的功能

我也尝试过连接这两个数组，但它们的维度不同。我该如何解决这种情况？

回答：

也许是我误解了，但维度问题在哪里呢？

每个数组中有360个样本，一个有13个维度，另一个有5个维度。将其转换为一个具有360个样本和18个维度的单一数组。

你可能需要对数值进行归一化，但连接操作应该只是：

new_data = np.concatenate((audio,image), axis=1)

你可以通过使它们零均值、单位方差来归一化数据值（在每个维度上找到均值和方差，从每个样本中减去均值，并除以方差）。

means = np.mean(new_data, axis=0)vars = np.var(new_data, axis=0)norm_data = (new_data - means) / vars

编辑：你仍然可以这样归一化，但我建议使用@lejlot的解决方案。多核方法非常合理，并且比这种方法更灵活。