1
我試圖用sklearn
的svm.SVC
分類器對圖像進行分類,但它不是學習,訓練後我得到了0.1的準確性(有10個類,所以0.1的準確性與隨機猜測相同)sklearn支持向量機不學習
我使用CIFAR-10 datatset。被表示爲3072 uint8
小號10000倍的圖像。第一個1024是紅色像素,第二個1024是綠色像素,口渴1024是藍色像素。
每個圖像也有一個標籤,這是一個數字0-9
這裏是我的代碼:
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)
有誰知道我的問題可能是什麼,或者可以點我的資源來解決這個?