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
3条回答 默认 最新
关注 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)
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏 举报
悬赏问题
- ¥15 素材场景中光线烘焙后灯光失效
- ¥15 请教一下各位,为什么我这个没有实现模拟点击
- ¥15 执行 virtuoso 命令后,界面没有,cadence 启动不起来
- ¥50 comfyui下连接animatediff节点生成视频质量非常差的原因
- ¥20 有关区间dp的问题求解
- ¥15 多电路系统共用电源的串扰问题
- ¥15 slam rangenet++配置
- ¥15 有没有研究水声通信方面的帮我改俩matlab代码
- ¥15 ubuntu子系统密码忘记
- ¥15 保护模式-系统加载-段寄存器