多特征疲劳检测代码python
时间: 2023-08-01 16:07:11 浏览: 45
以下是一个基于Python的多特征疲劳检测代码示例:
```python
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score, confusion_matrix
# 读取数据
data = np.loadtxt('fatigue_data.csv', delimiter=',')
# 分离特征和标签
X = data[:, :-1]
y = data[:, -1]
# 特征标准化
scaler = StandardScaler()
X = scaler.fit_transform(X)
# 数据集拆分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 训练SVM模型
model = SVC(kernel='rbf', C=1, gamma='auto')
model.fit(X_train, y_train)
# 预测
y_pred = model.predict(X_test)
# 评估模型
accuracy = accuracy_score(y_test, y_pred)
confusion_mat = confusion_matrix(y_test, y_pred)
print("Accuracy:", accuracy)
print("Confusion Matrix:\n", confusion_mat)
```
在这个示例中,我们首先使用numpy库读取CSV文件中的数据。然后,我们将特征和标签分离,并使用sklearn.preprocessing库中的StandardScaler类对特征进行标准化。
接下来,我们使用train_test_split函数将数据集拆分为训练集和测试集。然后,我们使用sklearn.svm库中的SVC类训练SVM模型,并使用测试集进行预测。
最后,我们使用sklearn.metrics库评估模型的准确性,并打印出准确性和混淆矩阵。