實驗為基於sklearn的svm人臉識別，使用 svm 演算法對戴眼鏡的人臉和不戴眼鏡的人臉進行分類，從而完成識別戴眼鏡的人臉的任務；實驗涉及的支援向量機引數計算原理，回顧第十八課；
人臉影象資料集 olivetti_py3.pkz，儲存在個人資源處，載入資料：
from sklearn.datasets import fetch_olivetti_faces
faces = fetch_olivetti_faces(data_home=
'./'
)
faces.images.shape
# (400, 64, 64)
faces.data.shape
# (400, 4096)
from collections import counter
# 統計 target 中每個取值的數量
count=counter(faces.target)
count
"""counter()
"""
%matplotlib inline
import matplotlib.pyplot as plt
# 設定子圖數量和畫布大小
plt.figure(num=
4,figsize=(20
,5))
# 遍歷前 4 張和對應的索引（索引從零開始）
for i,face in
enumerate
(faces.images[:4
]):# 1行4列的第i+1個子圖
plt.subplot(1,
4,i+1)
# 在對應位置顯示子圖
# 下面的每個元組代表索引的起始和結束（閉區間）
segments =[(
10,19)
,(30,
32),(
37,38)
,(50,
59),(
63,64)
,(69,
69),(
120,
121),(
124,
129),(
130,
139),(
160,
161),(
164,
169),(
180,
182),(
185,
185),(
189,
189),(
190,
192),(
194,
194),(
196,
199),(
260,
269),(
270,
279),(
300,
309),(
330,
339),(
358,
359),(
360,
369)
]
建立類別標記，戴眼鏡的人臉為 1，沒戴眼鏡的人臉為 0：
import numpy as np
# 先設定所有樣本的標記值為 0
target = np.zeros(faces.target.shape[0]
)# 再將戴眼鏡人臉索引位置的標記值設定為 1
劃分資料集：
from sklearn.model_selection import train_test_split
# 設定測試集的大小為 20%
x_train, x_test, y_train, y_test = train_test_split(faces.data, target, test_size=
0.2, random_state=0)
x_train.shape, x_test.shape, y_train.shape, y_test.shape
# ((320, 4096), (80, 4096), (320,), (80,))
svm 模型訓練：
from sklearn.svm import svc
# 使用線性核函式進行模型訓練
model = svc(kernel=
'linear'
).fit(x_train,y_train)
模型準確率評估：
# 訓練集的準確率
print
('train_accuracy ='
,model.score(x_train,y_train)
)# 測試集的準確率
print
('test_accuracy ='
,model.score(x_test, y_test)
)"""
train_accuracy = 1.0
test_accuracy = 0.9875
"""
識別結果視覺化：
# 測試集的**結果
y_pred = model.predict(x_test)
# 樣本標記值對應的人臉類別
text =
# 設定子圖數量和畫布大小
plt.figure(num=
16,figsize=(20
,20))
# 設定顯示中文字型（黑體）
plt.rcparams[
'font.family']=
['simhei'
]# 遍歷測試集的 16 張人臉對應的特徵向量及其索引
for i,face in
enumerate
(x_test[:16
]):# 4行4列的第i+1個子圖
plt.subplot(4,
4,i+1)
# 將特徵向量轉為二維陣列，shape=(64,64)
face = face.reshape(64,
64)# 將二維陣列以的形式展現出來
plt.imshow(face)
# 取出當前人臉的類別標記**值
label = y_pred[i]
# 在(35,60)的位置標出人臉類別（是否戴眼鏡），字型大小為 24，字型顏色為棕色
第十九課 調整色階
調節的明暗程度，也就是色階的調整 色階 ctrl 表示一幅影象的高光 暗調 中間調，可以調節最暗或最亮的色階，最左端的滑塊代表最暗的值，中間代表中間色調，最右邊的滑塊代表最亮的值。在所有的對話方塊當中，按住alt鍵不放，單擊 取消 則恢復到預設狀態。自動色階 trl shift 自動調整影象明暗程度...
第十九課 物件的構造（下）
學習狄泰軟體學院唐老師c 課程心得，文章內容來自於唐老師課件 一 兩個特殊的建構函式 include class test int getj test const test t main 中test t2 t1時，如果類中只有test const test t 則報錯，需要加上 test main ...
基於NeHe第十九課做的粒子系統
可以實現各種噴射狀的運動狀態，按上下左右鍵分別移動粒子，按y鍵切換顏色，按7 8 9 0切換不同的紋理，按1 2改變粒子速度 按3 4改變粒子大小 particlesys.h particlesys.h inte ce for the cparticlesys class.if defined af...