1
我试图用sklearn
的svm.SVC
分类器对图像进行分类,但它不是学习,训练后我得到了0.1的准确性(有10个类,所以0.1的准确性与随机猜测相同)sklearn支持向量机不学习
我使用CIFAR-10 datatset。被表示为3072 uint8
小号10000倍的图像。第一个1024是红色像素,第二个1024是绿色像素,口渴1024是蓝色像素。
每个图像也有一个标签,这是一个数字0-9
这里是我的代码:
import numpy as np
from sklearn import preprocessing, svm
import pandas as pd
import pickle
from sklearn.externals import joblib
train_data = pickle.load(open('data_batch_1','rb'), encoding='latin1')
test_data = pickle.load(open('test_batch','rb'), encoding='latin1')
X_train = np.array(train_data['data'])
y_train = np.array(train_data['labels'])
X_test = np.array(test_data['data'])
y_test = np.array(test_data['labels'])
clf = svm.SVC(verbose=True)
clf.fit(X_train, y_train)
accuracy = clf.score(X_test, y_test)
joblib.dump(clf, 'Cifar-10-clf.pickle')
print(accuracy)
有谁知道我的问题可能是什么,或者可以点我的资源来解决这个?