Неподдерживаемые типы операндов для +=: 'zip' и 'zip'

Question

Спасибо за ответ раньше, и я изменил его, что предложил Alperen, но у меня есть другая проблема, мой код:

import sys
import os
import itertools
import os.path
import random
from PIL import Image
from svmutil import *

DIMENSION = 200
sys.path.append("../train/")
ROOT_DIR = os.path.dirname(os.getcwd()) + "/train" 
NEGATIVE = "negative"
POSITIVE = "positive"
CLASSES = [NEGATIVE, POSITIVE]

# libsvm constants
LINEAR = 0
RBF = 2

# Other
USE_LINEAR = False
IS_TUNING = False

def main():
    try:
        train, tune, test = getData(IS_TUNING)
        models = getModels(train)
        results = None
        if IS_TUNING:
            print ("!!! TUNING MODE !!!")
            results = classify(models, tune)
        else:
            results = classify(models, test)

        print
        totalCount = 0
        totalCorrect = 0
        for clazz in CLASSES:
            count, correct = results[clazz]
            totalCount += count
            totalCorrect += correct
            print ("%s %d %d %f") % (clazz, correct, count, (float(correct) / count))
        print ("%s %d %d %f") % ("Overall", totalCorrect, totalCount,(float(totalCorrect) / totalCount))

    except Exception as e:
        print (e)
        return 5
def classify(models, dataSet):
    results = {}
    for trueClazz in CLASSES:
        count = 0
        correct = 0
        for item in dataSet[trueClazz]:
            predClazz, prob = predict(models, item)
            print ("%s,%s,%f") % (trueClazz, predClazz, prob)
            count += 1
            if trueClazz == predClazz: correct += 1
        results[trueClazz] = (count, correct)
    return results

def predict(models, item):
    maxProb = 0.0
    bestClass = ""
    for clazz, model in models.iteritems():
        prob = predictSingle(model, item)
        if prob > maxProb:
            maxProb = prob
            bestClass = clazz
    return (bestClass, maxProb)

def predictSingle(model, item):
    output = svm_predict([0], [item], model, "-q -b 1")
    prob = output[2][0][0]
    return prob

def getModels(trainingData):
    models = {}
    param = getParam(USE_LINEAR)
    for c in CLASSES:
        labels, data = getTrainingData(trainingData, c)
        prob = svm_problem(labels, data)
        m = svm_train(prob, param)
        models[c] = m
    return models

def getTrainingData(trainingData, clazz):
    labeledData = getLabeledDataVector(trainingData, clazz, 1)
    negClasses = [c for c in CLASSES if not c == clazz]
    for c in negClasses:
        ld = getLabeledDataVector(trainingData, c, -1)
        labeledData += ld
    random.shuffle(labeledData)
    unzipped = [list(t) for t in zip(*labeledData)]
    labels, data = unzipped[0], unzipped[1]
    return (labels, data)

def getParam(linear = True):
    param = svm_parameter("-q")
    param.probability = 1
    if(linear):
        param.kernel_type = LINEAR
        param.C = .01
    else:
        param.kernel_type = RBF
        param.C = .01
        param.gamma = .00000001
    return param

def getLabeledDataVector(dataset, clazz, label):
    data = dataset[clazz]
    labels = [label] * len(data)
    output = zip(labels, data)
    return output

def getData(generateTuningData):
    trainingData = {}
    tuneData = {}
    testData = {}

    for clazz in CLASSES:
        (train, tune, test) = buildTrainTestVectors(buildImageList(ROOT_DIR + clazz + "/"), generateTuningData)
        trainingData[clazz] = train
        tuneData[clazz] = tune
        testData[clazz] = test

    return (trainingData, tuneData, testData)

def buildImageList(dirName):
    imgs = [Image.open(dirName + fileName).resize((DIMENSION, DIMENSION)) for fileName in os.listdir(dirName)]
    imgs = [list(itertools.chain.from_iterable(img.getdata())) for img in imgs]
    return imgs

def buildTrainTestVectors(imgs, generateTuningData):
    # 70% for training, 30% for test.
    testSplit = int(.7 * len(imgs))
    baseTraining = imgs[:testSplit]
    test = imgs[testSplit:]

    training = None
    tuning = None
    if generateTuningData:
        # 50% of training for true training, 50% for tuning.
        tuneSplit = int(.5 * len(baseTraining))
        training = baseTraining[:tuneSplit]
        tuning = baseTraining[tuneSplit:]
    else:
        training = baseTraining

    return (training, tuning, test)

if __name__ == "__main__":
   sys.exit(main())

и я получил новый массаж Klik этот массаж, чтобы увидеть новый массаж ошибок Что я должен делать? Я искал каждый ответ, но никогда не заставлял меня получать ответ. Сейчас я использую этот код для своего окончательного проекта в университете. Я надеюсь, что кто-нибудь может помочь мне в этой проблеме. Но спасибо за еще один последний ответ

Answer 1

РЕДАКТИРОВАТЬ:

Эта строка вызывает ошибку:

labeledData += ld

+= операнд не работает для zip s. Вы можете изменить почтовые индексы в список.

def getLabeledDataVector(dataset, clazz, label):
    ...
    return list(output)

Также, unzipped список может быть пустым, вы должны исправить эту строку тоже (спасибо ShadowRanger за комментарий):

labels, data = unzipped if unzipped else ([], [])

Эти изменения, вероятно, повлияют на логику вашего кода. Вы должны исправить их самостоятельно.

ДО РЕДАКТИРОВАНИЯ:

В getData(generateTuningData) функция, ROOT_DIR + clazz выражение вызывает ошибку, потому что ROOT_DIR является None,

sys.path.append ничего не возвращает (возвращает None).

Вы должны изменить свой код как:

...
import os.path
...
sys.path.append("../train/") 
ROOT_DIR = os.path.dirname(os.getcwd()) + "/train/" # parent directory and "/train/"
...

Я предположил ROOT_DIR родитель вашего текущего рабочего каталога + "/ train /". Если это не так, вы можете это исправить.

Также могут быть другие проблемы, но это решает unsupported operand type(s),