Tom Hardy 于 2018-06-10 12:58:16 发布介绍
首先来直观看下所要分类的图像数据：
在这里一共是99种树叶，每种树叶包含16幅图像，因此训练集中一共1584幅图像。然而，我们不对图像直接操作，kaggle为每个图像提供三组特征：形状连续描述符，内部纹理直方图和细尺度边缘直方图。 对于每个特征，每个叶样本给出一个64属性的向量，因此，对于一幅图像来说，一共是64x3=192个向量。kaggle把每个训练图像转化成一个192维向量，并把所有训练图像的数据保存到train.csv文件中，包括标签。这样，在实际训练使用时，可以直接提取train.csv文件中的数据，其实是kaggle直接把数据给提取好了，不需要对图像再进行操作。train.csv文件中的内容如下所示：
树叶分类
当拿到数据和标签后，第一个问题就是该如何分类，选择哪种分类器，不急，一步一步推进吧！
第一步：导入训练和测试数据
import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt def warn(*args, **kwargs): pass import warnings warnings.warn = warn from sklearn.preprocessing import LabelEncoder from sklearn.cross_validation import StratifiedShuffleSplit train = pd.read_csv('C:/Users/new/Desktop/data/train.csv') test = pd.read_csv('C:/Users/new/Desktop/data/test.csv')1234567891011121314
第二步：准备好训练/测试数据以及标签
def encode(train, test): le = LabelEncoder().fit(train.species) #对数据进行标签编码 labels = le.transform(train.species) # encode species strings classes = list(le.classes_) # save column names for submission test_ids = test.id # save test ids for submission train = train.drop(['species', 'id'], axis=1) test = test.drop(['id'], axis=1) return train, labels, test, test_ids, classes train, labels, test, test_ids, classes = encode(train, test)123456789101112
编码后的部分标签数据：
