【阿旭机器学习实战】系列文章主要介绍机器学习的各种算法模型及其实战案例,欢迎点赞,关注共同学习交流。
本文使用PCA降维的方式对图片进行降维
之后,使用不同的分类模型进行训练预测
,并选取预测结果最好的模型进行建模,然后对位置图片使用模型进行预测。
。
对于PCA降维的介绍,请参考之前的博文
【阿旭机器学习实战】【22】特征降维实战---主成分分析(PCA)与线性判别分析算法(LDA)
目录
- PCA特征降维实战---人脸识别
- 问题描述--人脸识别
- 1. 导入数据并查看数据
- 2. 划分训练数据和测试数据
- 3. PCA降维
- 4. 用监督学习相关算法,来降维后的特征进行训练并预测
- 4.1对各个分类模型算法进行交叉验证,寻求最好的那个模型
- 4.2 预测结果展示
- 4.3 下载照片并使用模型进行预测
PCA特征降维实战—人脸识别
问题描述–人脸识别
通过训练一批人的人脸数据,然后从其他地方获取一种图片让模型认识这个图片代表的谁?
判断人脸需要用监督学习,人脸的维度过高,监督学习判断的时候就会出现两个问题:算法效率会非常低和算方法的精准度也会降低。
我们在进行监督学习之前要进行特征降维,然后使用降维后的特征进行建模,以提高算法效率与准确度。
1. 导入数据并查看数据
从上面数据可以看出有1288条数据,图片大小为250 * 250,像素点个数为 250 * 250 = 62500,也就是特征有62500个
,一共有7个类型的标签(人)。
2. 划分训练数据和测试数据
3. PCA降维
我们可以看到,特征数目从62500直接减少为了300
。直接减少了好几个量级。
4. 用监督学习相关算法,来降维后的特征进行训练并预测
4.1对各个分类模型算法进行交叉验证,寻求最好的那个模型
经过上面的交叉验证发现,SVC的linear核函数模型的预测效果最好
,下面使用SVC进行建模。
4.2 预测结果展示
画出65个人的人脸图片,并且标注真正是谁,预测的名字是谁
4.3 下载照片并使用模型进行预测
从网上下载一个Bush或者其他人的图片,然后处理成符合我们规定灰度级图片,用我们模型来预测该图片是谁
把图片灰度化
模型对照片的预测结果为George W Bush,与实际情况一致。
欢迎关注我的公众号:
阿旭算法与机器学习
,共同学习交流。
更多干货内容持续更新中…