JMFLFZYF的博客

@TOC前言本次实验需要使用之前的shape_predictor_68_face_landmarks.dat一、图片预处理import dlib # 人脸识别的库dlibimport numpy as np # 数据处理的库numpyimport cv2 # 图像处理的库OpenCvimport os # dlib预测器detector = dlib.get_frontal_face_detector()# shape_predictor_68_

@TOC一、将彩色图像文件转换为灰度文件使用Opencv1.使用Opencvimport cv2 as cvimg = cv.imread('D:\car.BMP',1)img_1 = cv.cvtColor(img,cv.COLOR_BGR2GRAY)cv.imshow('gray',img_1)cv.imshow('colour',img)cv.waitKey(0)2.不使用Opencvfrom PIL import ImageI = Image.open('D:\car.BM

数字图像与机器视觉基础补充1前言一、了解以及分析BMP文件1.BMP位图文件2.BMP文件结构3.查看示例图片并修改为其它形式（1）16位、32位彩色图（2）256色、16色、单色位图4.不同图片格式的压缩比二、图片处理编程1.奇异函数分解（1）示例代码（2）运行结果2.用图像的开闭运算(腐蚀-膨胀)，检测出2个样本图像中硬币、细胞的个数（1）硬币（2）细胞三、采用图像梯度、开闭、轮廓运算等，对图片中的条形码进行定位提取；再调用条码库获得条码字符。1.导入包2.代码3.运行结果参考文章前言本次学习使用

人脸识别数据集的建立一、采集自己的脸部图片20张，保存到文件夹中二、计算出每张平均特征并保存到表格。总结一、采集自己的脸部图片20张，保存到文件夹中import cv2import dlibimport osimport sysimport random# 存储位置output_dir = 'D:/z/photo'size = 64 if not os.path.exists(output_dir): os.makedirs(output_dir)# 改变图片的亮度与对比度

LibSVM工具实现决策树训练前言一、制作鸢尾花数据集二、利用上述数据集实现模型训练1.新建项目准备2.运行项目3.所生成的文件总结参考文章前言本次实验需要下载LibSVM，可去此处下载https://www.csie.ntu.edu.tw/~cjlin/libsvm/一、制作鸢尾花数据集下载解压后，进入windows文件夹,点击svm-toy.exe打开后，使用鼠标左键多次点击左上部分，然后选择下面的change。之后再多次点击右下部份，然后点击save，保存为xunlian.txt

SVM算法前言重做例子代码处理非线性高斯核函数参考文章前言本次内容是对SVM算法的补充重做例子代码import matplotlib.pyplot as pltimport numpy as npfrom sklearn import datasetsfrom sklearn.preprocessing import StandardScalerfrom sklearn.svm import LinearSVCiris=datasets.load_iris()X=iris.datay

深入了解SVM算法一、重做例子代码二、使用步骤1.引入库2.读入数据总结一、重做例子代码import matplotlib.pyplot as pltimport numpy as npfrom sklearn import datasetsfrom sklearn.preprocessing import StandardScalerfrom sklearn.svm import LinearSVCiris=datasets.load_iris()X=iris.datay=iris.ta

线性判别准则与线性分类编程实践一、线性判别准则（LDA）二、线性分类算法1.线性分类2.支持向量机（SVM）三、LAD算法测试1.处理鸢尾花数据集2.处理月亮数据集四、对月亮数据集进行SVM分类1.SVM分类2.多项式核3.高斯核参考文章一、线性判别准则（LDA）LDA是一种监督学习的降维技术。也就是说它的数据集的每个样本是有类别输出的，这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。LDA的思想可以用一句话概括，就是“投影后类内方差最小，类间方差最大”。LDA算法既可以用来降维，又可以

决策树挑出好西瓜一、什么是决策树二、ID3算法1、ID32、信息熵3、信息增益、三、挑选西瓜四、用sk-learn库对西瓜数据集，分别进行ID3、C4.5和CART的算法代码实现1.ID32.C4.5(1)信息增益率总结一、什么是决策树决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。对于复杂的预测问题，通过建立树模型产生分支节点，被划分成两个（二叉

多元线性回归算法预测房价前言一、了解本次实验1.什么是多元线性回归2.本题背景二、数据清洗1.什么是数据清洗2.对所用文件进行数据清洗3.对所用文件的非数值型进行转换4.利用excel进行线性回归三、利用Sklearn库重做上面的多元线性回归代码如下总结参考文章前言一、了解本次实验1.什么是多元线性回归研究一个因变量、与两个或两个以上自变量的回归。亦称为多元线性回归，是反映一种现象或事物的数量依多种现象或事物的数量的变动而相应地变动的规律。建立多个变量之间线性或非线性数学模型数量关系式的统计方法。

小试线性回归前言一、使用Excel完成对数据集的线性回归二、利用jupyter1.不使用第三方库2.使用第三方库--skleran参考博客前言本次学习将对于线性回归进行一个初步的了解，并用Excel和jypyter分别进行线性回归的学习一、使用Excel完成对数据集的线性回归选择数据项下的数据分析如果没有这个选项，可以在百度中搜索，如何在Excel中添加数据分析点击数据分析，选择回归。Y值下拉身高20个数据，X值下拉体重20个数据，勾选线性拟合图。得到下图公式的显示操作如下：