我正在尝试使用Python中的sci-kit learn训练一个神经网络来识别图像中的形状。我有一组位于边缘上的点，每个边缘用x和y坐标表示，形式为[x,y]。因此，我想使用格式为[[x,y],[x,y],[x,y],[x,y],[x,y],[x,y],等]的列表来训练网络。我尝试了以下代码，但得到了以下错误：

from sklearn.neural_network import MLPClassifierX = [[[0., 0.], [0., 0.]], [[1., 1.], [1., 1.]]]y = [0, 1]clf = MLPClassifier(solver='lbfgs', alpha=1e-5,                hidden_layer_sizes=(5, 2), random_state=1)clf.fit(X, y)

ValueError: Found array with dim 3. Estimator expected <= 2.

是否有人可以提供一些建议，告诉我如何处理这个问题，如果这是可能的话。根据神经网络的定义和逻辑，我不太确定这是否可行。请告诉我任何建议。谢谢！

回答：

Scikit-learn主要接受最多二维的输入。你可以尝试合并列表以降低维度。我使用了下面的代码将其转换为二维数据，并且对我来说运行良好

from sklearn.neural_network import MLPClassifierimport numpy as npX = [[[0., 0.], [0., 0.]], [[1., 1.], [1., 1.]]]y = [0, 1]clf = MLPClassifier(solver='lbfgs', alpha=1e-5,            hidden_layer_sizes=(5, 2), random_state=1)X_new = []for i in X:    temp =[]     for j in i:        for k in j:            temp.append(k)    X_new.append(temp)clf.fit(X_new,y)

循环结束时的X_new看起来像这样

[[0.0, 0.0, 0.0, 0.0], [1.0, 1.0, 1.0, 1.0]]

准确性将取决于数据。尝试一下，看看是否有效