Python:【机器学习】使用sklearn库中的支持向量机，实现手写数字识别，并输出错误图片

本文链接：https://blog.csdn.net/Alphy_Hongwu/article/details/116862331

本文通过sklearn库实现手写数字识别，详细介绍了如何将图片转化为SVM可读格式，划分训练集和测试集，利用SVM进行分析预测。最终达到99.4%的识别准确率。当识别错误超过10张时，选取10张错误案例进行展示，包括真实label和预测label。文章还列举了所需依赖库如numpy、os、PIL、sklearn和matplotlib.pyplot。

摘要由CSDN通过智能技术生成

代码实现的目标：

输出正确率
如果有图片识别错误，且识别错误的图片多于10张，则绘制10张识别错误的图片以及该图片的真实label和预测label
如果识别错误的图片数量小于等于10张，则绘制所有识别错误的图片以及该图片的真实label和预测label

思路分析：

如果要用svm分析images中的手写数字图片。

首先要把图片转化成svm可以读取的格式，我们先将图片集处理为numpy数组。
我们需要把有限的数据集划分为训练集和测试集
对数据进行基本的转换之后，就可以用svm进行分析以及预测了
我们可以用mean函数对匹配结果的准确率进行估计
之后是输出判别错误的图片，我们可以用plt直接把图片和判断结果输出，非常直观

配套资源：images 免费下载

（imags需要解压到在.py文件的文件夹，文件名改为imagesx）

需求包分析：

numpy数组、os操作目录、PIL读取文件、sklearn.svm、matplotlib.pyplot画图

代码实现：

#endoding:utf-8 Alphy_Hongwu
import numpy as np
import os
from PIL import Image
from sklearn import svm
import matplotlib.pyplot as plt


def data_transformer(path_images:object)->object:
    list_image = os.listdir(path_images)    #利用os对windows的目录进行操作
    data = []
    for nums in list_image:
        path_num = path_images+'\\'+nums    #按照windows的格式遍历下级目录
        images = os.listdir(path_num)
        image_data = []