Knn 模型的训练和加载

最新推荐文章于 2023-08-27 20:22:43 发布

原创

最新推荐文章于 2023-08-27 20:22:43 发布 · 1k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#Knn #模型加载 #分类

这篇博客介绍了如何使用KNN模型进行训练和加载。在训练过程中，数据通过自定义的XX_load_data函数导入。预测阶段，重点在于模型加载，使用cv2.ml.KNearest_load读取保存的模型文件。遇到的问题是模型加载时报错，提示要求测试样本为CV_32F类型且列数与样本列数相同。此外，强调预测输入的test数据应为二维。

训练：

def main():

    (train, train_labels), (test, test_labels) = XX_load_data()
    train = np.array(train / 255., dtype=np.float32)
    test = np.array(test / 255., dtype=np.float32)
    knn = cv2.ml.KNearest_create()

    print(train.shape, train_labels.shape)
    print(test.shape, test_labels.shape)

    knn.train(train, cv2.ml.ROW_SAMPLE, train_labels)
    # knn.save("XXX")

其中 XX_load_data 为自己定义的导入数据公式

预测：

 knn = cv2.ml.KNearest_load(r"XXX")
    (train, train_labels), (test, test_labels) = Cap_load_data()
    print(test.shape, test_labels.shape)
    test = np.array(test / 255., dtype=np.float32)
    train = np.array(train / 255., dtype=np.float32)

    # src = test[0].reshape(0, 1)

    # print(test[0])
    ret, result, neighbours, dist = knn.findNearest(test, k=3)

最重要的就是这个模型加载了：

knn = cv2.ml.KNearest_load(r"E:\AOItest\AOIpyOtherMethods