sklearn 支持向量机不学习答案

【问题标题】：sklearn support vector machine is not learningsklearn 支持向量机不学习
【发布时间】：2017-05-17 01:08:51
【问题描述】：

我正在尝试使用 sklearn 的 svm.SVC 分类器对图像进行分类，但它没有学习，训练后我得到了 0.1 的准确度（有 10 个类，所以 0.1 的准确度与随机猜测相同）

我正在使用CIFAR-10 数据集。 10000 张图像，表示为 3072 uint8s。第一个1024是红色像素，第二个1024是绿色像素，thirst 1024是蓝色像素。

每张图片还有一个标签，是一个数字0-9

这是我的代码：

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，或者可以为我提供资源来解决这个问题？

【问题讨论】：

标签： python machine-learning scikit-learn image-recognition

【解决方案1】：

我不确定，但我认为您需要调整 SVC 的参数。

我测试了一些学习参数，然后我得到了0.318 准确度。

代码如下：

# coding: utf-8

import numpy as np
from sklearn import preprocessing, svm
import cPickle

train_data = cPickle.load(open('data/data_batch_1', 'rb'))
test_data = cPickle.load(open('data/test_batch', 'rb'))

X_train = np.array(train_data['data'])
y_train = np.array(train_data['labels'])
X_test = np.array(test_data['data'][:1000])
y_test = np.array(test_data['labels'][:1000])

clf = svm.SVC(kernel='linear', C=10, gamma=0.01)
clf.fit(X_train, y_train)

accuracy = clf.score(X_test, y_test)

print "Accuracy: ", accuracy

我推荐 grid search function 自动调整超参数。

This 是 scikit-learn 中关于 tuning the hyper-parameters 的公开文档

【讨论】：