机器学习实战之支持向量机（SVM）（六）示例：手写识别问题回顾

转载请注明作者和出处：https://blog.csdn.net/weixin_45814668
知乎：https://www.zhihu.com/people/qiongjian0427
Git：https://github.com/qiongjian/Machine-learning/
运行环境：anaconda—jupyter notebook
Python版本： Python3.x

更多精彩内容，尽在微信公众号，欢迎您的关注：

示例步骤

（1）收集数据：提供的文本文件。
（2）准备数据：基于二值图像构造向量。
（3）分析数据：对图像向量进行目测。
（4）训练算法：采用两种不同的核函数，并对径向基核函数采用不同的设置来运行SMO算法。
（5）测试算法：编写一个函数来测试不同的核函数并计算措误率。
（6）使用算法：一个图像识别的完整应用还需要一些图像处理的知识，这里并不打算深入介绍。

准备数据

将机器学习实战之K-近邻算法（KNN）（三）示例：手写数字识别（含数据集）这里面的img2vector()函数复制过来。如下所示：

def img2vector(filename):
    returnVect = zeros((1, 1024))#初始化要返回的1*1024向量
    fr = open(filename) #打开文件
    for i in range(32):
        #循环读取文件的前32行
        lineStr = fr.readline()
        for j in range(32):
            returnVect[0, 32*i+j] = int(lineStr[j])