我在使用scikit-learn的最近邻算法进行分类问题时，我的特征是形状为(3600, 2, 5)的补丁。例如：

a = [[5,5,5,5,5], [5,5,5,5,5]]
b = [[5,5,5,5,5], [5,5,5,5,5]]
features = []
for i in xrange(len(a)):
    features.append([a[i], b[i]]) #实际上我有3600个这样的数据。
neigh = KNeighborsClassifier()
neigh.fit(train_features, target_class)
predictions = neigh.predict(test_features)

我遇到了以下错误：

ValueError: Found array with dim 3. Expected <= 2

这个错误出现在我使用neigh.fit的那一行。目标类是一个一维数组，包含相应的类别。train_features和test_features只是将数据分为训练和测试数据。

相关错误的链接：check_arrays() limiting array dimensions in scikit-learn?

这个问题有解决方法吗？

回答：

听起来你想使用本身就是多维的特征。我不确定这是否可行。考虑到基于距离的度量方法如KNN的复杂性增加；多维特征将需要距离度量，并且会变得更加复杂。

我建议首先尝试将数组展平，使每个样本成为一个n维向量，而不是一个数组。所以如果你当前方法中的features[0]是这样的：

[[5, 5, 5, 5, 5], [5, 5, 5, 5, 5]]

你可以改为：

[5, 5, 5, 5, 5, 5, 5, 5, 5, 5] 

你也可以考虑创建新的特征来表示多维特征所携带的信息。你可以使用平均值、最大值、最小值等。这里就是你的领域特定知识发挥作用的地方了。