Python--线性回归人脸预测

需求：LAPD的SWAT在处理暴力犯罪的过程中发现，抢匪在行凶过程中经常会蒙面，但是一般还是会把上半张脸露出来。我们通过分析知道，下半张脸和上半张脸实际上是有联系的。那么能否通过人工智能，把蒙面劫匪的下半张脸预测出来，然后对其进行通缉呢？

一、数据获取

1）导入需要的包

from sklearn.datasets import fetch_olivetti_faces
from sklearn.linear_model import LinearRegression,Ridge,Lasso

import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import matplotlib.pyplot as plt

2）获取提供的人脸数据集

faces = fetch_olivetti_faces()  # fetch从网络请求数据

data = faces.data
images = faces.images  #40个人的每张图片
target = faces.target  # 40个人，每个人10张图片

data.shape
(400, 4096)   # 400个样本，4096个特征是扁平化的图片数据（64*61=4096）

3）处理数据集，获取训练集与测试集

# 每个人的前9个作为训练数据 最后一个用来测试
# 上半张脸 是 特征值 下半张脸 是 目标值
X_train = []  # 训练集的特征值
y_train = []  # 训练集的目标值
X_test = []  # 测试集的特征值
y_test = []  # 测试集的真实结果

index = 0  # 用来记录 读取的图片的索引的 变量
# 遍历data分开训练集和测试集
for i in range(40):
    # 40个人
    for j in range(10):
        # 每个人10张图
        # data[index]  # 取出来的是每一个图片 扁平化后的数据
        face_data = data[index]
        up_face = face_data[:2048]  # 上半张脸
        down_face = face_data[2048:]  # 下半张脸
        # 每个人的图片 0-9 一个10个 <9的用来训练 =9的留着测试
        if j<9:
            X_train.append(up_face)  # 作为训练集的特征
            y_train.append(down_face)  # 作为训练集的结果
        else:
            X_test.append(up_face)  # 作为测试集的特征值
            y_test.append(down_face)  # 作为测试集的真实结果
        index += 1

4）

5）

6）

二、获取各个模型 训练各个模型

lr = LinearRegression()
rr = Ridge()
lasso = Lasso()

lr.fit(X_train,y_train)
rr.fit(X_train,y_train)
lasso.fit(X_train,y_train)

三、使用各个模型预测

y_lr_ = lr.predict(X_test)
y_rr_ = rr.predict(X_test)
y_lasso_ = lasso.predict(X_test)

四、绘制对比测试

取出5个人 把 这是结果 lr rr lasso 的结果对比一下

plt.figure(figsize=(15,15))
for i in range(5):
    # 每一个人 真实的上半张脸
    up_face = X_test[i]
    # 每一个人 真实的下半张脸
    down_face = y_test[i]
    # 拼合多维数组
    face = np.concatenate((up_face,down_face))
    # 创建子画布
    axes1 = plt.subplot(5,4,i*4+1)  # 占用哪个子画布一会儿再分析
    # 往对应的子画布中画脸
    plt.imshow(face.reshape(64,64))
    axes1.axis('off')
    axes1.set_title('real')
    # lr的 效果
    up_face = X_test[i]
    # 每一个人 通过普通线性回归预测的下半张脸
    down_face = y_lr_[i]
    # 拼合多维数组
    face = np.concatenate((up_face,down_face))
    # 创建子画布
    axes2 = plt.subplot(5,4,i*4+2)  # 占用哪个子画布一会儿再分析
    # 往对应的子画布中画脸
    plt.imshow(face.reshape(64,64))
    axes2.axis('off')
    axes2.set_title('lr')
    # rr的 效果
    up_face = X_test[i]
    down_face = y_rr_[i]
    face = np.concatenate((up_face,down_face))
    axes3 = plt.subplot(5,4,i*4+3)
    plt.imshow(face.reshape(64,64))
    axes3.axis('off')
    axes3.set_title('ridge')
    # lasso的 效果
    up_face = X_test[i]
    down_face = y_lasso_[i]
    face = np.concatenate((up_face,down_face))
    axes4 = plt.subplot(5,4,i*4+4)
    plt.imshow(face.reshape(64,64))
    axes4.axis('off')
    axes4.set_title('lasso')

五、绘制代码优化

待更新