如何解决StandardScaler处理图像数据时出现的维度ValueError问题

scikit-learn中的StandardScaler仅支持输入维度≤2的数组，而你加载的图像数据集为4维结构(样本数量, 图像宽度, 图像高度, 颜色通道数)，对应你输出的shape为(9171, 128, 128, 3)，不符合输入要求，因此触发该报错。

你只需要在调用pipeline前，将4维的图像数组展平为二维数组即可，二维数组的结构为(样本数量, 单张图像总像素数)，单张图像总像素数=128×128×3=49152。
修改后的代码片段如下：

# 原有代码不变，在pipeline定义前新增展平操作
flattened_dataset = dataset.reshape(dataset.shape[0], -1)

pipeline = Pipeline([('scaling', StandardScaler()), ('pca', PCA(n_components=5))])
# 传入展平后的二维数组
pipeline.fit_transform(flattened_dataset)

如果后续需要将处理后的特征恢复为原始图像的4维结构，可使用reshape方法转换：

processed_data = processed_data.reshape(-1, 128, 128, 3)

注：直接对原始像素做PCA提取的是低级视觉特征，做语义图像搜索的效果有限，若要提升检索效果，可改用预训练计算机视觉模型提取图像的语义嵌入向量后再做后续处理。

内容的提问来源于stack exchange，提问作者e.iluf