我正在尝试使用带有线性核的SVC进行图像识别任务。我当前的数据是一个2×5的矩阵

[['Face 1' 'Face2' 'Face 3' 'Face 4' 'Face 5'] ['229.0' '230.0' '231.0' '230.0' '230.0']]

我的第二行是我的X特征，这些是来自不同图像的像素强度值。

我的第一行是我的Y标签，表示从哪个面部图像中提取了像素。我无论如何都要将我的数据输入到SVC中，不惜一切代价。

我尝试的方法是：

    m_array = [[229, 230, 231, 230, 230]]    faces = []    faces = np.asarray(['Face 1', 'Face2', 'Face 3', 'Face 4', 'Face 5']).reshape(-1, 5)        data = np.stack((faces, m_array)).reshape(2, 5)    df = pd.DataFrame(data)    X = data[1, :]    Y = data[0, :]from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20)from sklearn.svm import SVCsvclassifier = SVC(kernel='linear')svclassifier.fit(X_train, y_train)

我想测试这些特征的识别率，但得到的错误是：

TypeError: Singleton array array(162) cannot be considered a validcollection.

回答：

sklearn期望你的X_train数组是一个二维数组，例如(n_examples, 1)，而Y_train则期望是一个一维的标签数组，例如(n_examples, )。

我重新格式化了你的代码，删除了一些不必要的步骤并修复了问题：