数学之路(3)-机器学习(3)-机器学习算法-SVM[9]

我们应用SVM的非线性分类功能对手写数字进行识别，我们在这应用poly做为非线性核

svm = mlpy.LibSvm(svm_type='c_svc', kernel_type='poly',gamma=10)

svm.learn(x, y)

我们按像素分块读取数字特征后，形成训练样本，送入SVM训练

本博客所有内容是原创，如果转载请注明来源

http://blog.csdn.net/myhaspl/

对样本本身测试

print svm.pred(x)

对供测试的未知样本进行测试

测试代码如下：

for iii in xrange (1,10):

    testfn= 'nums/test/'+str(iii)+'-test.png'

    testx=[]

    testx.append(getnumc(testfn))

    print svm.pred(testx)

识别效果还可以，通过增加笔型差异较大的训练样本，效果将更好

>>> runfile(r'I:\book_prog\numsbsvm.py', wdir=r'I:\book_prog')

http://blog.csdn.net/myhaspl

[email protected]

loading  ...

[ 1.  1.  1.  1.  2.  2.  2.  2.  3.  3.  3.  3.  4.  4.  4.  4.  5.  5.

  5.  5.  6.  6.  6.  6.  7.  7.  7.  7.  8.  8.  8.  8.  9.  9.  9.  9.]

[ 1.]

[ 2.]

[ 3.]

[ 4.]

[ 5.]

[ 6.]

[ 7.]

[ 8.]

[ 9.]

>>>