# 1 思想 分類器
# 2 如何？ 尋求乙個最優的超平面 分類
# 3 核：line
# 4 資料：樣本
# 5 訓練 svm_create train predict
# svm本質 尋求乙個最優的超平面 分類
# svm 核: line
# 身高體重 訓練 **
import cv2
import numpy as np
import matplotlib.pyplot as plt
#1 準備data
rand1 = np.array([[155,48],[159,50],[164,53],[168,56],[172,60]])
rand2 = np.array([[152,53],[156,55],[160,56],[172,64],[176,65]])
# 2 label
label = np.array([[0],[0],[0],[0],[0],[1],[1],[1],[1],[1]])
# 3 data
data = np.vstack((rand1,rand2))
data = np.array(data,dtype='float32')
# svm 所有的資料都要有label
# [155,48] -- 0 女生 [152,53] ---1 男生
# 監督學習 0 負樣本 1 正樣本
# 4 訓練
svm = cv2.ml.svm_create() # ml 機器學習模組 svm_create() 建立
# 屬性設定
svm.settype(cv2.ml.svm_c_svc) # svm type
svm.setkernel(cv2.ml.svm_linear) # line
svm.setc(0.01)
# 訓練
result = svm.train(data,cv2.ml.row_sample,label)
# **
pt_data = np.vstack([[167,55],[162,57]]) #0 女生 1男生
pt_data = np.array(pt_data,dtype='float32')
print(pt_data)
(par1,par2) = svm.predict(pt_data)
print(par2)
svm 使用簡介
今天我們聊一聊svn的該如何使用！我們都知道svn是乙個版本控制工具，但是你真的會用它嗎？repository 源 庫 你們上交的 都在這裡 checkout 提取 通過登入，你就可以從repository中提取 了 commit 提交 你修改或是新增的檔案或 通過commit提交到reposito...
SVM的簡單使用
使用svm資料進行了分類實現，4個標籤，每個標籤下有120組特徵向量，在測試中 要顯示每種類別的屬於概率。先是我主要的matlab warning off clc clear m xlsread data.xls a1 m 1 6 記錄事件1,2,3,4 a2 m 8 13 a3 m 15 20 a...
SVM使用與引數優化
對python語言有所了解的科研人員可能都知道scipy 乙個開源的基於python的科學計算工具包。基於scipy，目前開發者們針對不同的應用領域已經發展出了為數眾多的分支版本，它們被統一稱為scikits，即scipy工具包的意思。而在這些分支版本中，最有名，也是專門面向機器學習的乙個就是sci...