计算机视觉基础系列（python与opencv的操作与运用/tensorflow的基础介绍）（二十二）---SVM支持向量机

SVM的本质是寻求一个最优的超平面进行分类，比较简单的分类就是一个直线，很简单，若是多维空间的话就是超平面了，运用的核是线性核。样本准备一般是至少有正样本和负样本两种情况，还要label标签。运用机器学习模块进行创建训练，最后调用预测模块进行预测。下面我们运用学生的身高核体重进行SVM的分类预测。

其中0代表女生，1代表男生。

# SVM的本质：寻求一个最优的超平面进行分类
# SVM核：线性核
# 身高体重，训练，预测
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 1准备data
rand1 = np.array([[155, 48], [159, 50], [164, 53], [168, 56], [172, 60]])
rand2 = np.array([[152, 53], [156, 55], [160, 56], [172, 64], [176, 66]])
# 2 label标签准备
label = np.array([[0], [0], [0], [0], [0], [1], [1], [1], [1], [1]])
# 3data处理
data = np.vstack((rand1, rand2))                 # 数据进行合并
data = np.array(data, dtype='float32')
# 所有的数据必须要有标签
# [155,48]---0女生   [152, 53]----1 男生
# 监督学习：监督学习就是每训练一次通过数据进行矫正
# 4 训练
svm = cv2.ml.SVM_create()                        # ml 代表机器学习模块，SVM_crete()创建
# 属性设置
svm.setType(cv2.ml.SVM_C_SVC)                    # SVM的type
svm.setKernel(cv2.ml.SVM_LINEAR)                 # 线性分类器
svm.setC(0.01)
# 训练
result = svm.train(data, cv2.ml.ROW_SAMPLE, label)         
# 预测
pt_data= np.vstack([[167, 55], [162, 57]])              # 0 女生  1 男生
pt_data = np.array(pt_data, dtype='float32')
print(pt_data)
(par1, par2) = svm.predict(pt_data)
print(par1, par2)

输出的结果为：