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:
在这里插入图片描述
打开svm-toy
在这里插入图片描述
绘制相似的图像,点击change转换不同颜色的点
在这里插入图片描述
点集文件text1.txt:
在这里插入图片描述
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

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:
在这里插入图片描述

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
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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