Próbuję wykonać analizę głównych składników w zestawach danych zawierających obrazy, ale zawsze, gdy chcę zastosować pca.transform z modułu sklearn.decomposition, otrzymuję ten błąd: * AttributeError: 'PCA' obiekt nie ma atrybutu "mean _" *. Wiem, co ten błąd oznacza, ale nie mam pojęcia, jak to naprawić. Sądzę, że niektórzy z Was wiedzą, jak to naprawić.Analiza głównych składników nie działa
Dziękuję za pomoc
Mój kod:
from sklearn import svm
import numpy as np
import glob
import os
from PIL import Image
from sklearn.decomposition import PCA
image_dir1 = "C:\Users\private\Desktop\K FOLDER\private\train"
image_dir2 = "C:\Users\private\Desktop\K FOLDER\private\test1"
Standard_size = (300,200)
pca = PCA(n_components = 10)
file_open = lambda x,y: glob.glob(os.path.join(x,y))
def matrix_image(image_path):
"opens image and converts it to a m*n matrix"
image = Image.open(image_path)
print("changing size from %s to %s" % (str(image.size), str(Standard_size)))
image = image.resize(Standard_size)
image = list(image.getdata())
image = map(list,image)
image = np.array(image)
return image
def flatten_image(image):
"""
takes in a n*m numpy array and flattens it to
an array of the size (1,m*n)
"""
s = image.shape[0] * image.shape[1]
image_wide = image.reshape(1,s)
return image_wide[0]
if __name__ == "__main__":
train_images = file_open(image_dir1,"*.jpg")
test_images = file_open(image_dir2,"*.jpg")
train_set = []
test_set = []
"Loop over all images in files and modify them"
train_set = [flatten_image(matrix_image(image)) for image in train_images]
test_set = [flatten_image(matrix_image(image)) for image in test_images]
train_set = np.array(train_set)
test_set = np.array(test_set)
train_set = pca.fit_transform(train_set) "line where error occurs"
test_set = pca.fit_transform(test_set)
Pełna traceback:
Traceback (most recent call last):
File "C:\Users\Private\workspace\final_submission\src\d.py", line 54, in <module>
train_set = pca.transform(train_set)
File "C:\Python27\lib\site-packages\sklearn\decomposition\pca.py", line 298, in transform
if self.mean_ is not None:
AttributeError: 'PCA' object has no attribute 'mean_'
Edit1: Więc starałem się dopasować model przed przekształceniem go i teraz dostaję jeszcze dziwniejszy błąd. Sprawdziłem to i obejmuje on f2py, moduł, który przenosi Fortran do Pythona, który jest częścią biblioteki Numpy.
File "C:\Users\Private\workspace\final_submission\src\d.py", line 54, in <module>
pca.fit(train_set)
File "C:\Python27\lib\site-packages\sklearn\decomposition\pca.py", line 200, in fit
self._fit(X)
File "C:\Python27\lib\site-packages\sklearn\decomposition\pca.py", line 249, in _fit
U, S, V = linalg.svd(X, full_matrices=False)
File "C:\Python27\lib\site-packages\scipy\linalg\decomp_svd.py", line 100, in svd
full_matrices=full_matrices, overwrite_a = overwrite_a)
ValueError: failed to create intent(cache|hide)|optional array-- must have defined dimensions but got (0,)
Edit2:
Więc sprawdziłem czy mój train_set i data_set zawierały żadnych danych, a oni nie. Sprawdziłem moje image_dirs i zawierają one właściwe lokalizacje (dla jasności, dostałem je, przechodząc do rzeczywistych plików, patrząc na właściwości jednego z obrazów i skopiowałem lokalizację). Usterka powinna leżeć gdzie indziej.
Powinieneś podać pełne informacje zwrotne. – zero323
Prawda. Zaraz, daj mi chwilkę. – Learner
może powinieneś 'fit()' pierwszy? – joaquin