在手写数字示例中使用 scikit-learn 实现 SVM 的特征提取器

【问题标题】：feature extractor implementing an SVM with scikit-learn in handwritten digit example在手写数字示例中使用 scikit-learn 实现 SVM 的特征提取器
【发布时间】：2012-12-09 02:40:18
【问题描述】：

在指南中谈到：“在监督问题的情况下，解释变量存储在 .target 成员中。”什么意思？

在 scikit 站点的这个例子中： http://scikit-learn.org/stable/auto_examples/plot_digits_classification.html 我不明白：

1) 如果使用任何特征提取器（边缘检测）来识别数字。

2) 目标向量中的数字是什么意思？是图片显示的对应数字吗？

【问题讨论】：

标签： python svm scikit-learn feature-extraction

【解决方案1】：

datasets.load_digits() 的返回值是 Bunch 类型的对象，这是一个用于表示标记数据集的便利类。没有特征提取，数字数据集只包含位图。目标向量中的数字确实是位图表示的数字，即要训练/预测的标签/目标。

【讨论】：

如果我想将此示例与我自己的图像一起使用并使用 Hog 特征提取器，我将 Hog 特征向量放入数据中？分类器.fit(数据[:n_samples / 2], digits.target[:n_samples / 2])
只需将您的 hog 特征放入一个形状为(n_samples, n_features) 的二维数组和一个形状为(n_samples,) 的一维数组中每个样本的符号的整数标识符，然后调用：classifier.fit(hog_features, sign_ids)。跨度>