40_SVM

最新推荐文章于 2023-03-01 11:17:31 发布

尘盖天

最新推荐文章于 2023-03-01 11:17:31 发布

阅读量399

点赞数

CC 4.0 BY-SA版权

分类专栏： opencv机器视觉机器视觉

本文链接：https://blog.youkuaiyun.com/weixin_42237984/article/details/86647828

opencv机器视觉同时被 2 个专栏收录

53 篇文章

订阅专栏

机器视觉

41 篇文章

订阅专栏

#SVM本质是寻求一个最优的超平面，进而实现分类
#SVM核 ：  这里用线性line，也可以是非线性
#身高  体重   训练   预测
#SVM中所有的数据必须都有标签
#例如男生160，56----1
#SVM属于监督学习，有导师学习
import cv2
import numpy as np
import matplotlib.pyplot as plt
#1.data准备
rand1 = np.array([[155,48],[159,50],[164,53],[168,56],[172,60]])
rand2 = np.array([[152,53],[156,55],[160,56],[172,64],[176,65]])
#2.标签label
label = np.array([[0],[0],[0],[0],[0],[1],[1],[1],[1],[1]])
#3.data合并
data = np.vstack((rand1,rand2))
data = np.array(data,dtype = 'float32')
#4.训练
svm = cv2.ml.SVM_create() #ml机器学习模块
#属性设置
svm.setType(cv2.ml.SVM_C_SVC) #SVM type
svm.setKernel(cv2.ml.SVM_LINEAR) #line核
svm.setC(0.01)
#训练
result = svm.train(data,cv2.ml.ROW_SAMPLE,label)
#预测
pt_data = np.vstack([[167,55],[162,57]]) #0  1
pt_data = np.array(pt_data,dtype='float32')
print(pt_data)
(par1,par2) = svm.predict(pt_data)
print(par2)