在訓練 Kmeans 遇到問題，valueerror cannot take a larger sample than population when 'replace=false'，是甚麼原因？

內容說明

碰到 valueerror: cannot take a larger sample than population when ‘replace=false’

Valueerror: cannot take a larger sample than population when ‘replace=false’ 遇到這種錯誤時該怎麼辦呢？

通常是一種情況，你丟入 kmenas 的 np.array 特徵數並沒有大於等於 k，而是小於 k 時會發生此錯誤。

舉例：

descriptors = sift[0] #圖片
for it in sift[1:]:
  descriptors = np.vstack((descriptors, it))  

print(len(descriptors))
if(len(descriptors) < k): #如果圖片特徵數小於你要求的 k 就會出現此問題。因此在下方用 raise 處理掉即可。

  raise Exception("無法辨識，因為此圖片特徵數小於 k")
voc, train_variance = kmeans(descriptors,k,1) ##出錯的程式碼

問題解決：

也許這不是問題解決，但這可以在你每次遇到問題時，你可以馬上知道是哪裡出問題，而不是還要思考很久卻還想不出方法QQ。

descriptors = sift[0] #圖片
for it in sift[1:]:
  descriptors = np.vstack((descriptors, it))  

print(len(descriptors))
if(len(descriptors) < k): #如果圖片特徵數小於你要求的 k 就會出現此問題。因此在下方用 raise 處理掉即可。

  raise Exception("無法辨識，因為此圖片特徵數小於 k") #並加入此行，在遇到錯誤前
  #我們先描述此錯誤並拋出 error，方便 debug

voc, train_variance = kmeans(descriptors,k,1) #出錯的程式碼

心得

…，我想了超級久，我才知道有這個問題….。之前是因為並不是每次都會發生這個問題，只有我在選取特徵數過少的圖片對 svc sift model 進行預測時才會遇到，我就以為說可能是我那份程式碼的 random.choise 與 np.random.choise 混淆了，才會遇到此問題QQ。

現在這樣，我就知道沒有甚麼問題了！百分之 100% 搞懂了。

題外話：有時候太底層的錯誤，真的不好找，建議可以把底層錯誤寫得更明顯點，讓使用套件的人更好排錯QQ，不過寫套件又願意分享的人真的很偉大，辛苦了！