我试图使用KNN将.wav文件正确分类为两组，组0和组1。
我提取了数据，创建了模型，拟合了模型，但是当我尝试使用.predict()方法时，我得到了以下错误：
Traceback (most recent call last): File "/..../....../KNN.py", line 20, in <module> classifier.fit(X_train, y_train) File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/neighbors/base.py", line 761, in fit X, y = check_X_y(X, y, "csr", multi_output=True) File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/utils/validation.py", line 521, in check_X_y ensure_min_features, warn_on_dtype, estimator) File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/utils/validation.py", line 405, in check_array % (array.ndim, estimator_name)) ValueError: Found array with dim 3. Estimator expected <= 2.我找到了这两个stackoverflow帖子，它们描述了类似的问题：
sklearn逻辑回归 “ValueError: 发现数组维度为3。估计器期望 <= 2."
如果我没记错的话，看来scikit-learn只能接受二维数据。
我的训练数据形状为(3240, 20, 5255)，其中包括：
- 这个数据集中的3240个.wav文件（这是训练数据的索引0）
- 对于每个.wav文件，有一个(20, 5255)的numpy数组，表示MFCC系数（MFCC系数试图以数字方式表示声音）。
我的测试数据形状为(3240,) #类别是0或1
我可以使用什么代码来操作我的训练和测试数据，将其转换为scikit-learn可以使用的形式？另外，我如何确保在从3维降到2维时数据不会丢失？
回答：
确实，sklearn只能处理二维数据。
你可以尝试做的：
- 只需对训练数据使用
np.reshape将其转换为形状(3240, 20*5255)。它将保留所有原始信息。但sklearn将无法利用此数据中的隐式结构（例如，特征1, 21, 41等是同一变量的不同版本）。 - 在你的原始数据上构建卷积神经网络（例如，使用
tensorflow+Keras堆栈）。CNN专门设计来处理这种多维数据并利用其结构。但它们有很多超参数需要调整。 - 对重塑为
(3240, 20*5255)的数据使用降维技术（例如PCA）。它将尽可能保留更多的信息，同时仍然保持特征数量较低。 - 使用手动特征工程从数据结构中提取特定信息（例如，沿着每个维度的描述统计数据），并在这些特征上训练你的模型。
如果你有更多数据（例如10万个样本），第一种方法可能效果最好。在你的情况下（3千个样本和1万个特征），你需要对模型进行大量正则化以避免过拟合。
