在opencv中支持SVM分类器,过程就是:先训练再预测(python实现)
# svm 对于数据的要求: 所有的数据都要有label
# [155,48] -- 0 女生 [152,53] ---1 男生
# 监督学习 0 负样本 1 正样本
步骤一:获取训练样本
#1.获取训练样本,2类
row = 30
data1 = np.ones((row,2))+np.random.rand(row,2) #[1,2) 1.5为中心
data2 = np.ones((row,2))*(-2)+np.random.rand(row,2) #[-2,-1) -1.5为中心
plt.figure(1)
plt.plot(data1[:,0],data1[:,1],'o')
plt.plot(data2[:,0],data2[:,1],'o')
#data = np.vstack(data1, data2) #报错
data = np.vstack((data1,data2)) #将两种训练样本合并,这里无法转float32格式,所以才有下一行代码
data = np.array(data,dtype='float32') #将训练样本转换成要求的float32格式才可以
步骤二:获取训练标签
#2.获取标签
label_data1 = np.zeros((row,1),dtype='int32') #将训练标签转换成要求的int32格式才可以
label_data2 = np.ones((row,1),dtype='int32')
label = np.vstack((label_data1,label_data2)) #行堆积,另起一行,得到一个60x2的数组
label = np.array(label,dtype='int32') #这句话可有可无,因为label_data1和label_data2已声明int32类型
步骤三:创建分类器