sklearn KNeighborsClassifier四维数组维度报错修复方案

两个报错都是输入数组形状不符合scikit-learn接口要求导致的：

• 第一个报错Found array with dim 4. Estimator expected <= 2：KNN分类器的特征输入必须是二维数组，格式为(样本总数, 单个样本的特征数)，你传入的原始图像数组是4维张量(80, 128, 128, 3)，对应80张128*128的3通道彩色图，没有把单张图的像素展平为一维特征，不符合输入要求。
• 第二个报错Found input variables with inconsistent numbers of samples：你之前用reshape(-1,1)处理数组时，把所有像素点拆成了独立样本，处理后训练集样本数变成了80*128*128*3=3932160，和标签数组的样本数完全不匹配。另外你生成的标签数组本身形状也有问题，拼接后是(2,40)的二维数组，不是要求的一维标签格式。

• 正确展平图像特征：reshape时保留第一维的样本数量，把单张图像的所有维度展平为一维特征

  # 训练集特征形状从(80,128,128,3)转为(80, 49152)
  X_train = arr.reshape(arr.shape[0], -1)
  # 测试集特征形状从(20,128,128,3)转为(20, 49152)
  X_test = arr2.reshape(arr2.shape[0], -1)
  

• 修正标签数组形状：把二维的标签数组展平为一维，保证样本数和训练集一一对应

  # 标签形状从(2,40)转为(80,)，前40个值为1、后40个值为2
  y_train = arr3.reshape(-1)
  

• 重新执行训练预测

  knn = KNeighborsClassifier(n_neighbors=3)
  knn.fit(X_train, y_train)
  res = knn.predict(X_test)
  print(res)
  

注意：要确认训练集数组的拼接顺序是40张类别1图像+40张类别2图像，和标签顺序完全对应，否则会出现标签错位导致模型预测失效。

内容的提问来源于stack exchange，提问作者ryand