python使用svm分类图像代码
时间: 2023-07-27 16:06:22 浏览: 82
以下是一个使用Python的Scikit-learn库实现SVM图像分类的示例代码:
```python
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.datasets import load_digits
import matplotlib.pyplot as plt
# 加载手写数字数据集
digits = load_digits()
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.3, random_state=0)
# 创建SVM分类器
clf = svm.SVC(kernel='linear', C=1)
# 训练模型
clf.fit(X_train, y_train)
# 预测测试数据
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:",accuracy)
# 显示测试图片和预测结果
plt.gray()
for i in range(10):
plt.matshow(digits.images[i])
plt.show()
print("Predict:",clf.predict([digits.data[i]])[0])
```
这个示例代码使用了手写数字数据集,并将其划分为训练集和测试集。然后,使用SVM分类器对训练集进行训练,并对测试集进行预测和评估。最后,代码还展示了测试图片和预测结果。
阅读全文