sklearn SVM机器学习_数字识别

最新推荐文章于 2025-04-12 23:08:25 发布

九点半9527

最新推荐文章于 2025-04-12 23:08:25 发布

阅读量675

点赞数

文章标签：机器学习 sklearn 支持向量机

本文链接：https://blog.youkuaiyun.com/qq_34651483/article/details/121091975

版权

本文通过Python的sklearn库实现了一个简单的支持向量机（SVM）模型，用于手写数字的识别。首先，利用PIL生成带有随机噪声的数字图像，并保存到本地文件；接着，读取并预处理这些图像，将其转化为适合训练的数据格式；最后，训练SVM模型并对未见过的样本进行预测，展示了模型的识别效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import os
from random import randrange
import numpy as np
from PIL import  Image, ImageDraw, ImageFont
from sklearn import svm
import cv2 as cv
from matplotlib import pyplot as plt
import pandas as pd


width, height = 20, 40
fontSize = 40
noiseRate = 0.01

def generateDigits(dstDir='temp', num=40000):
    dstDir = 'temp'
    if not os.path.isdir(dstDir):
        os.mkdir(dstDir)

    with open(dstDir+'\\digits.txt', 'w') as fp:
        for i in range(num):
            digit = str(randrange(10))
            im = Image.new('L', (width, height), 255)
            imDraw = ImageDraw.Draw(im)
            font = ImageFont.truetype(r"C:\Windows\Fonts\simsun.ttc", fontSize)
            imDraw.text((0,0), digit, font=font)

            for j in range(int(noiseRate*width*height)):
                w, h = randrange(1, width-1), randrange(height)
                c1 = im.getpixel((w, h))