随机森林学习笔记2（含代码）

Task:

用随机森林训练出一个区分好坏图像的模型，计算accurancy

流程：

首先做的是cv2.imread()读入图像，读入的是BGR格式，应该是三个M x N的二维矩阵，分别表示各个像素的R、G、B三个颜色分量（见下图的x_test）。接着转化为灰度图像，灰度数字图像是每个像素只有一个采样颜色的图像，它是一个M x N的二维矩阵。然后由于手头用的是大小不同的图像，还要在进行统一大小。最后就是运用随机森林，得到精确度。

遇到的一些问题：

1. 在将训练集送入随机森林时候，报错：
   
   应该是输入的训练集是三维的，所以出现错误。
   
   要想办法把它降维，解决办法就是保持它的第一纬度，另外两个维度进行展平，即

nsamples_test, nx, ny = x_test.shape
x_test = x_test.reshape(nsamples_test, nx*ny)

nsamples_train, nx, ny = x_train.shape
x_train = x_test.reshape(nsamples_train, nx*ny)

变化后如图