Knn 模型的训练和 加载

这篇博客介绍了如何使用KNN模型进行训练和加载。在训练过程中,数据通过自定义的XX_load_data函数导入。预测阶段,重点在于模型加载,使用cv2.ml.KNearest_load读取保存的模型文件。遇到的问题是模型加载时报错,提示要求测试样本为CV_32F类型且列数与样本列数相同。此外,强调预测输入的test数据应为二维。
摘要由CSDN通过智能技术生成

训练:

def main():

    (train, train_labels), (test, test_labels) = XX_load_data()
    train = np.array(train / 255., dtype=np.float32)
    test = np.array(test / 255., dtype=np.float32)
    knn = cv2.ml.KNearest_create()

    print(train.shape, train_labels.shape)
    print(test.shape, test_labels.shape)

    knn.train(train, cv2.ml.ROW_SAMPLE, train_labels)
    # knn.save("XXX")

其中  XX_load_data  为自己定义的导入 数据 公式

预测:

 knn = cv2.ml.KNearest_load(r"XXX")
    (train, train_labels), (test, test_labels) = Cap_load_data()
    print(test.shape, test_labels.shape)
    test = np.array(test / 255., dtype=np.float32)
    train = np.array(train / 255., dtype=np.float32)

    # src = test[0].reshape(0, 1)

    # print(test[0])
    ret, result, neighbours, dist = knn.findNearest(test, k=3)
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值