回归算法进行人脸自动补全

回归算法进行人脸自动补全

比较了普通的线性回归（LinearRegression）、 套索回归（Lasso）、岭回归（Ridge）和KNeighborsRegressor 在人脸图像补全中的效果。

数据集为sklearn.datasets 中 fetch_olivetti_faces 数据集，一共有400张人脸图片。

实验代码如下：Python -3.8

（1）.给定上半部分，预测下半部分

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.linear_model import LinearRegression,Ridge,Lasso
from sklearn.neighbors import KNeighborsRegressor
import sklearn.datasets as datasets
from sklearn.model_selection import train_test_split

# 导入人脸数据（人脸数据集为sklearn 中自带的数据集   一共有400张图片
faces=datasets.fetch_olivetti_faces()

data=faces['images']

#分割人脸   分成上下两部分
#上半张人脸
X=data[:,:32].reshape(400,-1)
# 下半张人脸
y=data[:,32:].reshape(400,-1)

# 利用train_test_split 函数 分成训练集和验证集   验证人脸图片个数为10张
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=10)


# 创建字典，将KNN,lr ,lasso,ridge算法放在一个字典中  方便调用

estimators={
   }

estimators['KNN']=KNeighborsRegressor(n_neighbors=5)
estimators['lr']=LinearRegression()
estimators['Ridge']=Ridge(alpha=1)
estimators['Lasso']=Lasso(alpha=1)

# 利用上边四个模型进行训练  并且进行预测
predict_={
   }

for key,model in estimators.items()