Python OpenCV手写识别与SVM，改变训练和测试量
Python OpenCV handwriting recognition with SVM, changing training and testing amounts
OpenCV给出的这个例子，训练集是250，测试量也是一样的。但是，当测试和训练数字发生变化时，准确度会下降到 0。
# First half is trainData, remaining is testData
train_cells = [ i[:40] for i in cells ]
test_cells = [ i[40:] for i in cells]
train_amt = 200
responses = np.float32(np.repeat(np.arange(10),train_amt)[:,np.newaxis])
我已经从原始代码更改了以上几行中的值。我究竟做错了什么？ x 应该是什么？
OpenCV提供的训练和测试数据：http://wormassay.googlecode.com/svn/trunk/ThirdParty/OpenCV/samples/python2/data/digits.png
您的数据拆分是正确的。它给你 0.0 准确性的原因是你测量它的方式。
准确性检查由以下人员完成：
mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size
根据新的拆分 train/test，这不再正确了。对于初学者 result 和 responses 的长度不同，因此 mask 只是 False.
所以，现在你想衡量准确率，你需要根据测试规模 reshape responses，而不是训练。工作代码仅更改 200 x 300：
responses = np.float32(np.repeat(np.arange(10),300)[:,np.newaxis])
mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size
准确性有所下降，但没有下降到 0.0，现在你处于 93.1，这是正常的，因为你减少了训练的大小并增加了测试的数量。
OpenCV给出的这个例子，训练集是250，测试量也是一样的。但是，当测试和训练数字发生变化时，准确度会下降到 0。
# First half is trainData, remaining is testData
train_cells = [ i[:40] for i in cells ]
test_cells = [ i[40:] for i in cells]
train_amt = 200
responses = np.float32(np.repeat(np.arange(10),train_amt)[:,np.newaxis])
我已经从原始代码更改了以上几行中的值。我究竟做错了什么？ x 应该是什么？
OpenCV提供的训练和测试数据：http://wormassay.googlecode.com/svn/trunk/ThirdParty/OpenCV/samples/python2/data/digits.png
您的数据拆分是正确的。它给你 0.0 准确性的原因是你测量它的方式。
准确性检查由以下人员完成：
mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size
根据新的拆分 train/test，这不再正确了。对于初学者 result 和 responses 的长度不同，因此 mask 只是 False.
所以，现在你想衡量准确率，你需要根据测试规模 reshape responses，而不是训练。工作代码仅更改 200 x 300：
responses = np.float32(np.repeat(np.arange(10),300)[:,np.newaxis])
mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size
准确性有所下降，但没有下降到 0.0，现在你处于 93.1，这是正常的，因为你减少了训练的大小并增加了测试的数量。