我和我的同事们创建了一个包含*.csv文件的数据集。每个*.csv文件代表一个手势框架。我有几个文件夹，每个文件夹包含代表一种手势的*.csv文件。所以如果我有10个文件夹，就意味着手势的数量是10个。

现在我已经有了这个数据集（分布在多个文件夹中），如何开始在Python中训练和测试不同的分类器？我知道对于：

clf.fit(features, labels)

我需要有两个文件——代表这些特征的特征和标签文件。

请问我应该如何开始做这件事？

回答：

你需要找到某种方法将每个样本数值化，以便将其传递给SKlearn的fit()函数。

如果你的CSV文件内容是数值的，你可能会将文件展平为一个一维数字列表。你可能需要对其中一些进行零填充，以确保每个样本的大小相同。如果内容是字母的，你大致会做同样的事情，但首先你需要确定文件内容与其数值编码之间的映射关系。

你的标签变量应该是对你用来分类手势的类别数量进行的一热编码。

确保为交叉验证和评估目的预留一个验证集和一个测试集。为了拟合，将所有样本的列表和所有标签的列表（来自训练集）分别传递给fit()函数。