使用 SVM 进行 Python OpenCV 手写识别，更改训练和测试量

Question

http://opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_ml/py_svm/py_svm_opencv/py_svm_opencv.html

在这个例子中，OpenCV给出的训练集是250，测试量也是相同的。但是，当测试和训练编号发生变化时，准确性会下降到 0。

# First half is trainData, remaining is testData
train_cells = [ i[:40] for i in cells ] 
test_cells = [ i[40:] for i in cells]
train_amt = 200
responses = np.float32(np.repeat(np.arange(10),train_amt)[:,np.newaxis])

我已经从原始代码中更改了上面几行中的值。我做错了什么？x应该是什么？

OpenCV提供的训练和测试数据：http://wormassay.googlecode.com/svn/trunk/ThirdParty/OpenCV/samples/python2/data/digits.png

Answer 1

您的数据

拆分是正确的。它为您提供0.0准确性的原因是您测量它的方式。

准确性检查由以下人员完成：

mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size

通过新的拆分训练/测试，这不再正确。对于初学者来说，result和responses的长度不同，因此mask简直是False .

所以，现在你想测量准确性，你需要根据测试大小reshape responses，而不是训练。工作代码仅将 200 更改为 300：

responses = np.float32(np.repeat(np.arange(10),300)[:,np.newaxis])
mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size

准确性会下降一点，但不是0.0，现在你处于93.1，这是正常的，因为你减少了训练的大小并增加了测试的数量。