Python+sklearn使用支持向量机算法实现数字图片分类

Posted Python小屋

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python+sklearn使用支持向量机算法实现数字图片分类相关的知识,希望对你有一定的参考价值。

关于支持向量机的理论知识,大家可以查阅机器学习之类的书籍或网上资源,本文主要介绍如何使用Python扩展库sklearn中的支持向量机实现数字图片分类。

1、首先编写代码生成一定数量的含有数字的图片

上面代码运行会生成80000张含有数字0到9的图片,并加入随机干扰,交换相邻两个像素的颜色。生成的图片如下:

Python+sklearn使用支持向量机算法实现数字图片分类


其中,每张图片加入干扰的效果如下:

Python+sklearn使用支持向量机算法实现数字图片分类


2、然后编写代码,加载生成的图片文件

Python+sklearn使用支持向量机算法实现数字图片分类


3、最后编写代码,使用Python扩展库sklearn中的支持向量机算法对生成的图片中除最后1000张之外的图片进行训练,并使用训练好的模型对最后1000张图片进行分类。


4、下面的运行结果显示了预测的准确率,前3个结果是40000张图片训练和分类的,每次运行用时约1.5小时,最后一个结果是80000张图片训练和分类的,用时约7.5小时。



----------相关阅读----------




















----------喜大普奔----------

1、董付国老师Python系列教材:

《Python程序设计基础》

《Python程序设计(第2版)》

《Python可以这样学》(本书已被引入台湾发行繁体版)

《Python程序设计开发宝典》

《中学生可以这样学Python》




以上是关于Python+sklearn使用支持向量机算法实现数字图片分类的主要内容,如果未能解决你的问题,请参考以下文章

机器学习速成宝典模型篇08支持向量机SVM(附python代码)

sklearn集成支持向量机svm.SVC参数说明

Python数模笔记-Sklearn支持向量机

Python数模笔记-Sklearn支持向量机

基于支持向量机SVM和朴素贝叶斯NBM情感分析

Sklearn之Svm支持向量机