18. 支持向量机实现人像分类#
18.1. 介绍#
支持向量机是一个非常优秀的算法。本次挑战中，我们将使用 scikit-learn 提供的支持向量机方法来完成人脸图像分类任务。
18.2. 知识点#
图像数据预处理
支持向量机分类
首先，我们通过 scikit-learn 提供的
fetch_lfw_people
下载人脸数据集，数据集最初出自
Labeled Faces in the Wild
项目。
from sklearn.datasets import fetch_lfw_people
# 加载数据集
faces = fetch_lfw_people(min_faces_per_person=60)
faces.target_names, faces.images.shape
(array(['Ariel Sharon', 'Colin Powell', 'Donald Rumsfeld', 'George W Bush',
'Gerhard Schroeder', 'Hugo Chavez', 'Junichiro Koizumi',
'Tony Blair'], dtype='<U17'),
(1348, 62, 47))
可以看的，我们仅使用了 8 位名人的人像数据，总共包含 1348
个样本。其中，每张人像照片的尺寸为
\(62*47\)
像素。总结
faces
属性有：
属性 |
描述 |
|---|---|
|
|
62x47 矩阵，记录人脸图像中的像素值 |
|
|
将 images 对应的 62x47 矩阵转换为行向量 |
|
|
8 位人像姓名 |
|
|
8 位人像依次编号 |
下面，我们先使用 Matplotlib 绘图来预览这些数据。
Exercise 18.1
挑战：预览数据集前 5 张人像图片，以 1 行 5 列子图呈现。
规定：每张图片横轴上显示该张图片对应人像姓名。
from matplotlib import pyplot as plt
%matplotlib inline
## 代码开始 ### (≈4 行代码)
## 代码结束 ###
参考答案 Exercise 18.1
from matplotlib import pyplot as plt
%matplotlib inline
### 代码开始 ### (≈4 行代码)
fig, axes = plt.subplots(1, 5, figsize=(12, 6))
for i, image in enumerate(faces.images[:5]):
axes[i].imshow(image)
axes[i].set_xlabel(faces.target_names[faces.target[i]])
### 代码结束 ###
期望输出
由于图片本身为 2
维数组，需要处理之后才能用于训练模型。所以，下面我们使用
faces.data
数据，其已经将每一个人像对于的二维数组展平成 1 维。
faces.data.shape
可以看的，faces.data
的形状为
\((1348, 2914)\)
，即代表有 1348 个样本，每一个样本对应了 2914 个特征。而这
2914 个特征即是将人像图片
\(62*47 = 2914\)
展平之后的向量。
接下来，按照惯例需要对数据集进行切分，将其分为训练集和测试集。不过，这里值的注意的是，由于样本只有 1348 个，而每个样本对应的特征则为 2914。机器学习建模过程中，我们要避免特征远大于样本数量的情形，这样训练出来的模型一般表现都会非常糟糕。
所以，这里我们需要对数据特征进行「降维」，实际上就是减少数据的特征量。这里使用到 PCA 降维方法，该方法会在后续实验中详细介绍，这里不做讲解。
from sklearn.decomposition import PCA
# 直接运行，将数据特征缩减为 150 个
pca = PCA(n_components=150, whiten=True, random_state=42)
pca_data = pca.fit_transform(faces.data)
pca_data.shape
可以看的，数据形状又先前的 \((1348, 2914)\) 变为 \((1348, 150)\) 。
下面，就可以根据降维后的数据切分训练集和测试集了。
Exercise 18.2
挑战：使用
train_test_split()
将数据集切分为 80%（训练集） 和 20%（测试集） 两部分。
规定：训练集特征，测试集特征，训练集目标，测试集目标分别为：X_train,
X_test,
y_train,
y_test，随机数种子定为 42。
from sklearn.model_selection import train_test_split
## 代码开始 ### (≈1 行代码)
## 代码结束 ###
X_train.shape, X_test.shape, y_train.shape, y_test.shape
参考答案 Exercise 18.2
from sklearn.model_selection import train_test_split
### 代码开始 ### (≈1 行代码)
X_train, X_test, y_train, y_test = train_test_split(
pca_data, faces.target, test_size=0.2, random_state=42)
### 代码结束 ###
X_train.shape, X_test.shape, y_train.shape, y_test.shape
期望输出
((1078, 150), (270, 150), (1078,), (270,))
接下来，我们使用 SVM 算法建模，并使用上面划分的数据训练和测试模型。
Exercise 18.3
挑战：使用 scikit-learn 提供的支持向量机分类方法完成建模，并得到模型在测试集上的准确度结果。
规定：支持向量机分类器参数
C=10,
gamma=0.001，其余为默认参数。
## 代码开始 ### (≈4 行代码)
model = None
## 代码结束 ###
参考答案 Exercise 18.3
### 代码开始 ### (≈4 行代码)
from sklearn.svm import SVC
model = SVC(C=10, gamma=0.001)
model.fit(X_train, y_train)
model.score(X_test, y_test)
### 代码结束 ###
期望输出
最终准确度 \(>0.8\) 即可。
○ 欢迎分享本文链接到你的社交账号、博客、论坛等。更多的外链会增加搜索引擎对本站收录的权重，从而让更多人看到这些内容。