调用SVM的predict_proba处理HOG特征时报期望二维数组错误求助

报错原因 #

scikit-learn 0.20+版本对预测接口的输入维度做了强制校验，所有predict、predict_proba等方法都要求输入为二维数组，结构为[样本数量, 特征维度]。你当前提取的单张测试图片HOG特征为一维数组，结构为(特征维度,)，不符合输入规范触发报错。

修复方法 #

修改predict_proba调用行，将一维特征转换为单样本二维数组即可：

# 原报错行
# prob=clf.predict_proba(fdPred)
# 修改为
prob=clf.predict_proba(fdPred.reshape(1, -1))

这里reshape(1, -1)的含义：

• 第一个参数1表示当前输入只有1个测试样本
• 第二个参数-1表示自动计算特征维度，无需手动匹配HOG输出的特征长度

附加注意点 #

你提供的训练代码存在两处笔误，若实际运行也存在该问题请同步修正：

• 实例化SVC的语法错误，应为clf = svm.SVC(kernel='linear', probability=True)
• 参数名拼写错误：kernal改为kernel

内容的提问来源于stack exchange，提问作者thiirane