支持SVM的Python OpenCV手写识别，更改培训和测试数量

debugcn 发表于 Dev

汤

http://opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_ml/py_svm/py_svm_opencv/py_svm_opencv.html

在此示例中，OpenCV给出的训练集为250，测试量也相同。但是，如果更改测试和培训编号，则准确性会降低到0。

# First half is trainData, remaining is testData
train_cells = [ i[:40] for i in cells ] 
test_cells = [ i[40:] for i in cells]

train_amt = 200
responses = np.float32(np.repeat(np.arange(10),train_amt)[:,np.newaxis])

我从原始代码更改了以上各行中的值。我究竟做错了什么？x应该是什么？

OpenCV随附的培训和测试数据：http : //wormassay.googlecode.com/svn/trunk/ThirdParty/OpenCV/samples/python2/data/digits.png

吉姆·博斯（Guine Bosch）

您的数据分割是正确的。它给您0.0准确性的原因是您测量它的方式。

准确性检查通过以下方式完成：

mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size

通过新的拆分火车/测试，这不再是正确的。对于初学者result且responses长度不一样的人，因此mask简单地是False。

所以，现在你要测量的精度，需要reshape将responses根据测试的大小，而不是训练。工作代码只能将200乘300更改：

responses = np.float32(np.repeat(np.arange(10),300)[:,np.newaxis])
mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size

准确度会下降一点，但0.0现在不会下降到，93.1这是正常的，因为您减少了训练的大小并增加了测试数量。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。