使用Scikit Learn SGDClassifier触发only size-1 arrays报错如何解决？

你遇到的报错核心是输入SGDClassifier的特征矩阵格式不符合要求：
你当前构造的X是一个单列的DataFrame，每一行的pixel_grayscale单元格存储的是长度为128*128的一维数组，整体结构是「样本数 × 1列，每列元素是数组」；而Scikit Learn要求所有模型输入的特征矩阵必须是二维数值矩阵，结构为「样本数 × 特征数，每个单元格是单独的数值」，格式不匹配触发了报错。

只需要修改特征矩阵X的构造逻辑，把存储数组的单列展开为二维矩阵即可，修改代码如下：
把原来的

X = extract[features]

替换为：

# 将每一行的像素数组合并为二维矩阵，形状为 [样本数, 128*128]
import numpy as np
X = np.stack(extract["pixel_grayscale"].values)

修改完成后可以先打印X的形状验证是否正确：

print(X.shape)

输出应为(你的总样本量, 16384)即为符合要求的格式，后续拆分训练集测试集、模型训练的代码无需改动即可正常运行。

可以在pixel_grayscale函数中加判空逻辑，避免图片读取失败返回None导致后续数组构造报错：

def pixel_grayscale(file):
  file = file.split()
  if len(file) == 2 :
    image = imread("chi/"+file[0], as_gray=True)
  else :
    image = imread("muf/"+file[0], as_gray=True)
  # 新增判空逻辑
  if image is None:
    raise ValueError(f"图片读取失败: {file[0]}")
  image = cv2.resize(image,(128,128), interpolation=cv2.INTER_CUBIC)
  return np.reshape(image,(128*128))

内容的提问来源于stack exchange，提问作者IA_Machine