问题描述
我正在使用线性SVC进行一些面部识别训练，其中我的数据集为870x22。我有29个不同人的30帧图像，其中我在图像中使用22个简单值像素来识别人脸图像，其中22个像素是我的特征。另外，当我调用train_test_split（）时，它会给我一个218x22的X_test和218个y_test。一旦我训练了分类器并尝试运行一张新面孔（30x22）矩阵的图像，它就会给我错误：
ValueError: Found input variables with inconsistent numbers of samples: [218,30]
这是代码：
import sklearn
from sklearn.model_selection import train_test_split
from sklearn import metrics
from sklearn.svm import SVC
from sklearn.metrics import confusion_matrix
from sklearn.metrics import accuracy_score,f1_score
img_amount = 30
target = np.asarray([1]*img_amount + [2]*img_amount + [3]*img_amount + [4]*img_amount + [5]*img_amount + [6]*img_amount + [7]*img_amount + [8]*img_amount + [9]*img_amount + [10]*img_amount + [11]*img_amount + [12]*img_amount + [13]*img_amount + [14]*img_amount + [15]*img_amount + [16]*img_amount + [17]*img_amount + [18]*img_amount + [19]*img_amount + [20]*img_amount + [21]*img_amount + [22]*img_amount + [23]*img_amount + [24]*img_amount + [25]*img_amount + [26]*img_amount + [27]*img_amount + [28]*img_amount + [29]*img_amount)
dataset= dataset[:,0:22]
svc_1 = SVC(kernel='linear',C=0.00005)
X_train,X_test,y_train,y_test = train_test_split( dataset,target,test_size=0.25,random_state=0)
def train(clf,X_train,y_test):
clf.fit(X_train,y_train)
print ("Accuracy on training set:")
print (clf.score(X_train,y_train))
print ("Accuracy on testing set:")
print (clf.score(X_test,y_test))
y_pred = clf.predict(X_test)
print ("Classification Report:")
print (metrics.classification_report(y_test,y_pred))
print ("Confusion Matrix:")
print (metrics.confusion_matrix(y_test,y_pred))
train(svc_1,y_test)
print ("Classification Report:")
print (metrics.classification_report(y_test,new_face_img))
为了不以视觉方式污染问题，我上传并粘贴了new_face_img的矩阵：https://pastebin.com/uRbvv5jD
它们只是数组，可以直接传递给它们的变量
出现错误的行是我尝试预测新样本时的行：
predictions = svc_1.predict(new_face_img)
print ("Classification Report:")
->>>>print (metrics.classification_report(y_test,predictions))
predictions = svc_1.predict(michael_ocluded_array)
expected=np.ones(len(michael_ocluded_array))
print ("Confusion Matrix:")
print (metrics.confusion_matrix(expected,predictions))
混淆矩阵： -------------------------------------------------- ------------------------- ValueError追踪（最近的通话 最后） 1个预测= svc_1.predict（michael_ocluded_array） 2打印（“混淆矩阵：”） ----> 3次打印（metrics.classification_report（y_test，预测））
C：\ ProgramData \ Miniconda3 \ lib \ site-packages \ sklearn \ utils \ validation.py 在inner_f（* args，** kwargs）中 70未来警告） 71 kwargs.update（{k：k的arg，zip中的arg（sig.parameters，args）}） -> 72返回f（** kwargs） 73 return inner_f 74
C：\ ProgramData \ Miniconda3 \ lib \ site-packages \ sklearn \ metrics_classification.py 在category_report（y_true，y_pred，标签，target_names， sample_weight，digits，output_dict，zero_division）1927“”“
1928年 -> 1929 y_type，y_true，y_pred = _check_targets（y_true，y_pred）1930 1931 labels_given = TrueC：\ ProgramData \ Miniconda3 \ lib \ site-packages \ sklearn \ metrics_classification.py 在_check_targets（y_true，y_pred）中 79 y_pred：数组或指标矩阵 80“”“ ---> 81 check_consistent_length（y_true，y_pred） 82 type_true = type_of_target（y_true） 83 type_pred = type_of_target（y_pred）
C：\ ProgramData \ Miniconda3 \ lib \ site-packages \ sklearn \ utils \ validation.py 在check_consistent_length（* arrays）中 253个唯一性= np.unique（长度） 254（如果len（uniques）> 1： -> 255提高ValueError（“找到数量不一致的输入变量” 256“样本：％r”％[长度为l的int（l）]） 257
ValueError：找到数量不一致的输入变量 样本：[218，30]
解决方法
这里是问题：
predictions = svc_1.predict(new_face_image)
print ("Confusion Matrix:")
print (metrics.confusion_matrix(y_test,predictions))
您正在预测new_face_image并通过测试数据集对其进行预测。
predictions = svc_1.predict(new_face_image)
# change this to what you expect but shape=(30,)
expected=np.ones(len(new_face_image))
print ("Confusion Matrix:")
print (metrics.confusion_matrix(expected,predictions))
已编辑以用于数据集测试数据的验证：
predictions = svc_1.predict(x_test)
print ("Confusion Matrix:")
print (metrics.confusion_matrix(y_test,predictions))