sklearn SVM机器学习_数字识别

本文通过Python的sklearn库实现了一个简单的支持向量机(SVM)模型,用于手写数字的识别。首先,利用PIL生成带有随机噪声的数字图像,并保存到本地文件;接着,读取并预处理这些图像,将其转化为适合训练的数据格式;最后,训练SVM模型并对未见过的样本进行预测,展示了模型的识别效果。
摘要由CSDN通过智能技术生成
import os
from random import randrange
import numpy as np
from PIL import  Image, ImageDraw, ImageFont
from sklearn import svm
import cv2 as cv
from matplotlib import pyplot as plt
import pandas as pd


width, height = 20, 40
fontSize = 40
noiseRate = 0.01

def generateDigits(dstDir='temp', num=40000):
    dstDir = 'temp'
    if not os.path.isdir(dstDir):
        os.mkdir(dstDir)

    with open(dstDir+'\\digits.txt', 'w') as fp:
        for i in range(num):
            digit = str(randrange(10))
            im = Image.new('L', (width, height), 255)
            imDraw = ImageDraw.Draw(im)
            font = ImageFont.truetype(r"C:\Windows\Fonts\simsun.ttc", fontSize)
            imDraw.text((0,0), digit, font=font)

            for j in range(int(noiseRate*width*height)):
                w, h = randrange(1, width-1), randrange(height)
                c1 = im.getpixel((w, h))
    
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
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

打赏作者

九点半9527

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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