我从单张图像中提取了2个边缘特征（Hog特征和Sobel算子）。

如何在Scikit-learn的Python环境中创建一个类似于iris_dataset的图像特征数据集？在该库中，有代表数据集的CSV文件。这些CSV文件仅包含数字。这些数字是如何生成的？是通过特征提取吗？

遗憾的是，我只在这里看到一个Java教程 http://www.coccidia.icb.usp.br/coccimorph/tutorials/Tutorial-2-Creating-…，在第5点讲到了生成训练矩阵（平均和协方差矩阵）。Scikit-learn中有没有生成这些训练数组的函数？

回答：

你不需要将数据包装成CSV文件来加载为数据集。scikit-learn模型有一个fit方法，它期望：

• 第一个参数是一个常规的numpy数组（或scipy.sparse矩阵），形状为(n_samples, n_features)（通常dtype=numpy.float64），用于编码训练集中每个样本的特征向量，

• 对于监督分类模型，第二个参数形状为(n_samples,)且dtype=numpy.int32，用于编码训练集中每个样本的类别标签，标签以整数值编码。

如果你不了解基本的numpy数据结构以及shape和dtype的含义，我强烈建议你查看如SciPy讲义这样的教程。

编辑：如果你确实需要从numpy数组读取/写入数值CSV文件，你可以使用numpy.loadtxt / numpy.savetxt