SVM分类手动鼠标手写数字-python版本

SVM分类手动鼠标手写数字-python版本

from sklearn import datasets
#导入交叉验证库
from sklearn import cross_validation
#导入SVM分类算法库
from sklearn import svm
#导入图表库
import cv2
import numpy as np
from tensorflow.examples.tutorials.mnist import input_data
from sklearn.externals import joblib

drawing = False #鼠标按下为真
mode = True #如果为真，画矩形，按m切换为曲线
ixiy=-1-1
mnist = input_data.read_data_sets（“MNIST“ one_hot=True）

# X_train = mnist.train.images
# X_test =  mnist.test.images
number_train = len（mnist.train.images）
number_test = len（mnist.test.images）
X_train = mnist.train.images.reshape（（number_train 784））
X_test =  mnist.test.images.reshape（（number_test 784））
# print（X_train.shape）
y_train = np.zeros（number_train）
y_test = np.zeros（number_test）

# print（mnist.test.labels[2]）
for i in range （054999）:
    for j in range （09）:
        if mnist.train.labels[i][j] == 1:
            y_train[i] = j
            j = 0
            break

# print（y_train[10]）
for i in range （09999）:
    for j in range （09）:
        if mnist.test.labels[i][j] == 1:
            y_test[i] = j
# print（y_test）

#生成SVM分类模型
clf = svm.SVC（max_iter= 20000）
#使用训练集对svm分类模型进行训练
clf.fit（X_train y_train）
joblib.dump（clf“model_2/SVM_MNIST.pkl“）
print（1）
score = clf.score（X_testy_test）
print（“准确率 ： “score）


# def draw（eventxyflagsparam）:
#     global ixiydrawingmode
#
#     if event == cv2.EVENT_LBUTTONDOWN:
#         drawing = True
#         ixiy=xy
#
#
#     elif event == cv2.EVENT_MOUSEMOVE:
#         if drawing == True:
#             cv2.circle（img （x y） 5 （255 255 255） -1）
#     elif event == cv2.EVENT_LBUTTONUP:
#         drawing = False
#         cv2.circle（img （x y） 5 （255 255 255） -1）
#
#
# img = np.zeros（（1281281）np.uint8）
#
# cv2.namedWindow（‘image‘）
# cv2.setMouseCallback（‘image‘draw）
#
# while（1）:
#
#     cv2.imshow（‘image‘img）
#     resized_image = cv2.resize（img（2828））
#     resized_image = cv2.normalize（resized_imageresized_image01cv2.NORM_MINMAXcv2.CV_32F）
#     # print（resized_image）
#     # print（resized_image.shape）
#     resized_image = resized_image.reshape（（1 784））
#     # cv2.imshow（“zero“resized_image）
#     k = cv2.waitKey（1） & 0xFF
#     if k == ord（‘m‘） :
#         mode = not mode
#     elif k == 13:
#         predict = clf.predict（resized_image）
#         print（“predict : “ predict）
#     elif k == 27:
#         break
# cv2.destroyAllWindows（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2586  2018-01-11 13:07  MNIST.py
     文件        1596  2018-01-11 13:05  手写3.py