使用python|使用python svm实现直接可用的手写数字识别使用pythonsvm实现直接可用的手

python svm实现手写数字识别——直接可用

1、训练

1.1、训练数据集下载——已转化成csv文件
1.2 、训练源码

2、预测单张图片

2.1、待预测图像
2.2、预测源码
2.3、预测结果

python svm实现手写数字识别——直接可用最近在做个围棋识别的项目，需要识别下面的数字，如下图：
【使用python|使用python svm实现直接可用的手写数字识别】

文章图片

我发现现在网上很多代码是良莠不齐，…真是一言难尽，于是记录一下，能够运行成功并识别成功的一个源码。

1、训练

1.1、训练数据集下载——已转化成csv文件下载地址

1.2 、训练源码 train.py

import pandas as pdfrom sklearn.decomposition import PCAfrom sklearn import svmfrom sklearn.externals import joblibimport timeif __name__ =="__main__":train_num = 5000test_num = 7000data = https://www.it610.com/article/pd.read_csv('train.csv')train_data = https://www.it610.com/article/data.values[0:train_num,1:]train_label = data.values[0:train_num,0]test_data = data.values[train_num:test_num,1:]test_label = data.values[train_num:test_num,0]t = time.time()#PCA降维pca = PCA(n_components=0.8, whiten=True)print('start pca...')train_x = pca.fit_transform(train_data)test_x = pca.transform(test_data)print(train_x.shape)# svm训练print('start svc...')svc = svm.SVC(kernel = 'rbf', C = 10)svc.fit(train_x,train_label)pre = svc.predict(test_x)#保存模型joblib.dump(svc, 'model.m')joblib.dump(pca, 'pca.m')# 计算准确率score = svc.score(test_x, test_label)print(u'准确率：%f,花费时间：%.2fs' % (score, time.time() - t))

2、预测单张图片

2.1、待预测图像

文章图片

2.2、预测源码

from sklearn.externals import joblibimport cv2if __name__ =="__main__":img = cv2.imread("img_temp.jpg", 0)#test = img.reshape(1,1444)![在这里插入图片描述](https://img-blog.csdnimg.cn/20210630133136668.jpg#pic_center)Tp_x = 10Tp_y = 10Tp_width = 20Tp_height = 20img_temp = img[Tp_y:Tp_y + Tp_height, Tp_x:Tp_x + Tp_width]# 参数含义分别是：y、y+h、x、x+wcv2.namedWindow("src", 0)cv2.imshow("src", img_temp)cv2.waitKey(1000)[height, width] = img_temp.shapeprint(width, height)res_img = cv2.resize(img_temp, (28, 28))test = res_img.reshape(1, 784)#加载模型svc = joblib.load("model.m")pca = joblib.load("pca.m")# svmprint('start pca...')test_x = pca.transform(test)print(test_x.shape)pre = svc.predict(test_x)print(pre[0])

2.3、预测结果