Как проверить точность изображений, которых не было в наборе данных

Я использую train_test_split для обучения и тестирования своих данных. Это интересная концепция для разделения данных на обучение и тестирование, но что, если я хочу загрузить некоторые данные, которых не было в тестовых данных?

Моя проблема в том, что train_test_split обрабатывает данные случайным образом, я хотел бы увидеть, к какому ярлыку принадлежит внешнее изображение.

В настоящее время я извлекаю 22 функции из изображений и использую эти функции для обучения линейного SVC для распознавания, теперь, согласно train_test_split, я получаю 94% на тестовом наборе, и это нормально, я хочу просто протестировать его на изображении. этого не было в наборе данных. train_test_split получает данные из ранее загруженного набора данных для обучения и тестирования, но я хотел бы загрузить изображение и протестировать их напрямую.

Воспроизводимый пример: (3 изображения с 10 функциями)

import sklearn
from sklearn.model_selection import train_test_split
from sklearn import metrics

y_target = [1]*1 + [2]*1 + [3]*1 # number of images per person
data = np.asarray([[152., 236., 228., 168., 236., 224.,  70., 223., 175., 195.],
       [140., 233., 226., 161., 234., 220.,  67., 220., 159., 194.],
       [135., 233., 225., 157., 234., 221.,  65., 220., 159., 193.]])

svc_ = SVC(kernel='linear', C=0.00005)

A_train, A_test, b_train, b_test = train_test_split(
        data, y_target, test_size=0.25, random_state=0)

def train(clf, A_train, A_test, b_train, b_test):
    
    clf.fit(A_train, b_train)
    print ("Accuracy on training set:")
    print (clf.score(A_train, b_train))

train(svc_, A_train, A_test, b_train, b_test)

Например, как мне проверить особенности следующего изображения?

([[126., 232., 225., 149., 231., 222.,  60., 218., 152., 191.]])

Итак, то, что я делаю, - это выбираю конкретное изображение, немного редактирую его, а затем я хотел бы увидеть, как мой классификатор работает при тестировании этого изображения, которое было отредактировано, которое не было обучено и не было в наборе данных, например, если Я выбрал изображение из Интернета, как мне его протестировать?


python machine-learning scikit-learn svm train-test-split
person John Jones    schedule 21.08.2020    source источник

Ответы (1)


arrow_upward
1
arrow_downward

Если вы знаете, как получить интересующие вас функции из ваших изображений, просто загрузите изображение, соберите функции, затем спрогнозируйте и проверьте правильные значения. Например

y_test = [[1], [2], [3]]
images = # fill in however you are getting your images into memory here
clf.score(images, y_test)

# or get the predictions by hand and do your own metric
predictions = clf.predict(images)
mse = np.mean(np.square(y_test - predictions))

Перед этим вы должны уже обучить свой классификатор.

person alwaysmvp45    schedule 21.08.2020
comment
Я не понимаю ваше решение, как мне проверить свое обучение на изображении, которое я не загрузил в набор данных? ты делаешь то же самое, что и я - person John Jones; 21.08.2020
comment
Вам не нужно загружать изображение в набор данных. Например, определите вашу последовательность test_image = ([[126., 232., 225., 149., 231., 222., 60., 218., 152., 191.]]), затем вызовите predictions = clf.predict ( test_image) это все, что вам нужно - person alwaysmvp45; 22.08.2020