如何选择特征尺寸

Question

im试图使用SVM在纸上复制实验，以增加我对机器学习的了解/知识。在本文中，作者提取特征并选择特征尺寸。然后，他显示一个表格，其中F代表特征向量的大小，N代表面部图像。

然后他使用F> = 9和N> = 15参数。

现在，我想做的就是像他在论文中一样，真正抓住我提取的功能。

基本上，这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)

如何选择提取和存储的特征数量？或如何手动存储具有所需功能数量的向量？例如大小为9]的特征向量

我正在尝试以这种方式分离功能：

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_)
尽管，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，一旦我调用预测，我就会得到：

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])

im试图使用SVM在纸上复制实验，以增加我对机器学习的了解/知识。在本文中，作者提取特征并选择特征尺寸。他，...

Answer 1

因此，您有两个图像信息数组（一个未处理，另一个已调整大小并展平），以及一列相应的类值（我们通常将其称为标签）。当前有两件事情与设置不完全相同，但是：