支持向量机实操自己数据集

Question

请问怎么把自己的数据集导入支持向量机分类模型，请提供完整算法代码，并在代码中注释怎么导入自己的数据集

Answer 1

功能已实现。

import os
import cv2
import numpy as np
from sklearn.svm import SVC
import pickle

# 设定统一大小
SHAPE = (1500, 1500)


# 传入图片文件路径，输出处理后的图像数组
def extractFeaturesFromImage(image_file):
   # img = cv2.imread(image_file)
   # 文件名有中文，用该方法读取
   img = cv2.imdecode(np.fromfile(image_file), cv2.IMREAD_UNCHANGED)
   img = cv2.resize(img, SHAPE, interpolation=cv2.INTER_CUBIC)
   img = img.flatten()
   img = img / np.mean(img)
   return img


# 读取特征数据
feature_list = list()
label_list = list()
# 病水稻
file_path1 = 'train/expanddata/'
# 健康水稻
file_path2 = 'train/Healexpand/'

for img in os.listdir(file_path1):
   feature_list.append(extractFeaturesFromImage(file_path1 + img))
   label_list.append('ill')

for img in os.listdir(file_path2):
    feature_list.append(extractFeaturesFromImage(file_path2 + img))
    label_list.append('hea')

# 得到特征数据 与 标签数据
feature_array = np.asarray(feature_list)
label_array = np.asarray(label_list)

# 模型训练
model = SVC(C=2, kernel='linear')
model.fit(feature_array, label_array)

# 输出模型文件
# pickle.dump(model, open("svm_model.pkl", "wb"))

# 用训练集数据，看看评分是多少
# test_score = model.score(feature_array, label_array)
# print(test_score)

# 测试一下训练集中的第 三、四 个数据，并输出预测结果
# pred = model.predict(feature_array[2:4])
# print(pred)