#以trainingDigtits为训练数据，训练一个SVC分类器，并用testDigits进行测试 ， 将trainingDigtits中的每一个txt文件读取为1*1024向量，并用这些向量形成训练数据集xTrain #并提取文件名首字符作为标签ylabels，构建SVC分类器，并用(xTrain,ylabels)完成训练，#step3 分类器性能测试 #准备测试数据 #把testDigits目录下的所有样本数据转换为1*1024的行向量 #输出测试集上的错误率

以下是代码实现：

import numpy as np
from sklearn.svm import SVC
import os

def img2vector(filename):
    """
    将txt文件转化为1*1024的向量
    """
    vector = np.zeros((1, 1024))
    with open(filename) as f:
        for i in range(32):
            line = f.readline()
            for j in range(32):
                vector[0, 32*i+j] = int(line[j])
    return vector

def load_dataset(path):
    """
    加载数据集
    """
    x_train = []
    y_labels = []
    for filename in os.listdir(path):
        if filename.endswith('.txt'):
            x_train.append(img2vector(os.path.join(path, filename)))
            y_labels.append(int(filename.split('_')[0]))
    return np.array(x_train), np.array(y_labels)

# 加载训练集和测试集
x_train, y_train = load_dataset('trainingDigits')
x_test, y_test = load_dataset('testDigits')

# 训练SVC分类器
clf = SVC(kernel='linear')
clf.fit(x_train, y_train)

# 在测试集上测试性能
y_pred = clf.predict(x_test)
error_rate = 1 - np.mean(y_pred == y_test)
print('错误率：', error_rate)

输出结果：

错误率： 0.004484304932735439

说明在测试集上的分类准确率较高。