SVM算法应用综合练习

一.libsvm获得决策函数模型

下载libsvm，进到libsvm官网，下载包：

打开svm-toy

绘制相似的图像，点击change转换不同颜色的点

点集文件text1.txt：

用jupyter写代码：
先导入包：

from libsvm.svmutil import *
from libsvm.svm import *
import scipy.spatial

这里读取数据，svm_read_problem函数的作用是读取刚刚生成的文件并返回合适的格式便于训练

#根据文件路径直接返回要使用的数据格式
label,data= svm_read_problem('text1.txt')#训练数据

p_label,p_data=svm_read_problem('predict.txt')#预测数据

设置训练参数

para ='-t 1 -c 4 -b 1'
'''
-t 
0为线性核
1为多项式核
2为高斯核（默认）
'''

训练并将模型保存在文件里，同时测试准确度

#多项式核
model=svm_train(label,data,para)
svm_save_model('muti1.txt',model)
acc=svm_predict(p_label,p_data,model)

文件里的内容

高斯核也是一样，不过将para的里面-t 对应的值改为2

para ='-t 2 -c 4 -b 1'
'''
-t 
0为线性核
1为多项式核
2为高斯核（默认）
'''

训练并保存模型进文件中

model=svm_train(label,data,para)
svm_save_model('gaosi.txt',model)
acc=svm_predict(p_label,p_data,model)

文件内容：

二.人脸识别数据集的建立

2.1 人脸照片采集
使用摄像头采集（视频流截图）

import cv2
import dlib
import os
import sys
import random
# 存储位置
output_dir = 'D:/Face/xjc/631907060325'
size = 64
 
if not os.path.exists(output_dir):
    os.makedirs(output_dir)
# 改变图片的亮度与对比度
 
def relight(img, light=1, bias=0):
    w = img.shape[1]
    h = img.shape[0