Closed. This question needs to be more focused。它当前不接受答案。
想改善这个问题吗?更新问题,使其仅通过editing this post专注于一个问题。
2年前关闭。
我有144张名为“ Good_id”和“ Bad_id”的图像。
现在,我已读取所有图像并从中提取出13个特征,并存储在numpy形状数组中(144,13)。
我不明白的是如何告诉分类器(我将为此使用svm)数组中的图像来自“好”或“坏”类。
(摘自sklearn SVM documentation)。
更一般而言,如果您有
想改善这个问题吗?更新问题,使其仅通过editing this post专注于一个问题。
2年前关闭。
我有144张名为“ Good_id”和“ Bad_id”的图像。
现在,我已读取所有图像并从中提取出13个特征,并存储在numpy形状数组中(144,13)。
我不明白的是如何告诉分类器(我将为此使用svm)数组中的图像来自“好”或“坏”类。
最佳答案
将类保存到单独的数组y
中,将“ Good_id”编码为1,将“ Bad_id”编码为0(与它们在(144,13)数组中出现的顺序相同)。然后,当您使用SVM时,您将通过以下方式传递两个numpy数组:
>>> import numpy as np
>>> X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
>>> y = np.array([1, 1, 2, 2])
>>> from sklearn.svm import SVC
>>> clf = SVC()
>>> clf.fit(X, y)
(摘自sklearn SVM documentation)。
更一般而言,如果您有
K
个不同的类,则可以使用k
个不同的数字来表示它们。 Here是多类案例的文档。关于python - 如何在监督学习中跟踪标签? ,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/42973621/
10-11 10:34