如何 select 特征尺寸

Question

我正在尝试使用 SVM 在论文上复制实验，以增加我在机器学习方面的 learning/knownledge。在本文中，作者提取特征并选择特征大小。他，然后显示一个table 其中F代表特征向量的大小，N代表人脸图像

然后他使用 F >= 9 和 N >= 15 个参数。

现在，我想做的是像他在论文中所做的那样，真正抓住我提取的特征。

基本上，这就是我提取特征的方式：

def load_image_files(fullpath, dimension=(64, 64)):
    descr = "A image classification dataset"
    images = []
    flat_data = []
    target = []
    dimension=(64, 64)
    for category in CATEGORIES:
        path = os.path.join(DATADIR, category)
        for person in os.listdir(path):
            personfolder = os.path.join(path, person)
            for imgname in os.listdir(personfolder):
                class_num = CATEGORIES.index(category)
                fullpath = os.path.join(personfolder, imgname)
                img_resized = resize(skimage.io.imread(fullpath), dimension, anti_aliasing=True, mode='reflect')
                flat_data.append(img_resized.flatten())
                images.append(skimage.io.imread(fullpath))
                target.append(class_num)

    flat_data = np.array(flat_data)
    target = np.array(target)
    images = np.array(images)
    print(CATEGORIES)

    return Bunch(data=flat_data,
                     target=target,
                     target_names=category,
                     images=images,
                     DESCR=descr)

如何 select 提取和存储的特征量？或者我如何手动存储具有我需要的特征量的向量？例如一个大小为 9

的特征向量

我正在尝试以这种方式分离我的特征：

X_train, X_test, y_train, y_test = train_test_split(
    image_dataset.data, image_dataset.target, test_size=0.3,random_state=109)

model = ExtraTreesClassifier(n_estimators=10)
model.fit(X_train, y_train)
print(model.feature_importances_)

不过，我的输出是：

[0. 0. 0. ... 0. 0. 0.]

对于 SVM 分类，我正在尝试使用 OneVsRestClassifier

model_to_set = OneVsRestClassifier(SVC(kernel="poly"))

parameters = {
    "estimator__C": [1,2,4,8],
    "estimator__kernel": ["poly", "rbf"],
    "estimator__degree":[1, 2, 3, 4],
}

model_tunning = GridSearchCV(model_to_set, param_grid=parameters)
model_tunning

model_tunning.fit(X_train, y_train)

prediction = model_tunning.best_estimator_.predict(X_test)

然后，调用预测后，我得到：

Out[29]:
array([1, 0, 4, 2, 1, 3, 3, 0, 1, 1, 3, 4, 1, 1, 0, 3, 2, 2, 2, 0, 4, 2,
       2, 4])

Answer 1

所以你有两个图像信息数组（一个未处理，另一个调整大小和展平）以及相应的 class 值列表（我们通常称之为标签）。但是，目前有两处设置不太正确：

1) 这里缺少的是多个 features - 这些可能包括与从图像的 morphological/computer 视觉过程中提取特征相关的数据的特定数组，或者它们可能是辅助数据，如列表偏好、行为、购买。基本上，任何可以作为数字或分类格式的数组的东西。从技术上讲，您调整大小的图像是第二个功能，但我认为这不会增加太多模型性能。

2) target_names=category 在你的函数中 return 将在 CATEGORIES 中存储最后一次迭代 pf 类别。不知道是不是你想要的

回到你的 table，N 指的是数据集中的图像数量，F 是与该图像关联的相应特征数组的数量。举例来说，假设我们有五十种葡萄酒和五个特征（颜色、味道、酒精含量、pH 值、光密度）。 N of 5 将是这些葡萄酒中的五种，而 F of 2 将是 colour, taste。

如果我不得不猜测你的特征是什么，它们实际上是一个单一的特征——图像数据本身。查看您的数据结构，您拥有的每个 label/category 都会有多个个体（人），每个人都有该人的多个图像示例。请注意，多个人不是单独的特征 - 按照您构建数据的方式，这些人被分组在一个类别下。

那么，从这里到哪里？在不知道您正在阅读的论文的情况下，很难建议您做什么，但我会回去看看您是否可以向我们提供有关该问题的更多信息。

如何 select 特征尺寸

How to select feature sizes

python

numpy

feature-extraction

feature-selection