支持向量机对性别识别的问题

Question

这几天我一直在使用 SVM 进行性别识别项目（在 python 中），但我迷失了我获得的结果：

为什么男性的召回率为 0.09，女性的召回率为 1？还是女性的准确率只有 50%？

SVM Accuracy: 0.540041067762
Classification report:
           precision   recall  f1-score   support
Females       0.52      1.00      0.68       242
Males         1.00      0.09      0.16       245

avg / total       0.76      0.54      0.42       487

我已对所有图像进行了裁剪、对齐和灰度处理 如何提高精度？

我需要更改以下参数：clf = svm.SVC()？

我的代码：

import os, sys
import numpy as np
import PIL.Image as Image
import cv2
from sklearn import svm
from sklearn.externals import joblib
from sklearn.cross_validation import train_test_split
from sklearn.metrics import classification_report
from sklearn.metrics import accuracy_score


def read_images(path, id, sz=None):
    c = id
    X,y = [], []
    for dirname, dirnames, filenames in os.walk(path):
        for subdirname in dirnames:
            subject_path = os.path.join(dirname, subdirname)
            for filename in os.listdir(subject_path):
                try:
                    im = Image.open(os.path.join(subject_path, filename))
                    im = im.convert("L")
                    # resize to given size (if given)
                    if (sz is not None):
                        im = im.resize(sz, Image.ANTIALIAS)
                    X.append(np.asarray(im, dtype=np.uint8).ravel())
                    y.append(c)
                except IOError as e:
                    print "I/O error({0}): {1}".format(e.errno, e.strerror)
                except:
                    print "Unexpected error:", sys.exc_info()[0]
                    raise
                        #c = c+1

    return [X,y]


def main():

    contador = 0;

    # check arguments
    if len(sys.argv) != 3:
        print "USAGE: example.py </path/to/images/males> </path/to/images/females>"
        sys.exit()

    # read images and put them into Vectors and id's
    [X,x] = read_images(sys.argv[1], 1)
    [Y, y] = read_images(sys.argv[2], -1)

    # R all images and r all id's
    [R, r] = [X+Y, x+y]
    R_train, R_test, r_train, r_test = train_test_split(R, r)

    # Default svm
    clf = svm.SVC()   

    clf.fit(R_train, r_train)

    r_pred = clf.predict(R_test)

    target_names = ['Female', 'Male']
    print "SVM Accuracy:", accuracy_score(r_test, r_pred)
    print "Classification report:\n", classification_report(r_test, r_pred, target_names=target_names) 




if __name__ == '__main__':
    main()

对于如何使用 SVM 进行良好的性别识别，我将不胜感激。感谢阅读

好的，现在使用标准化数据（介于 0 和 1 之间）我尝试使用 GridSearchCV 来调整 C 和 Gamma 使用：

    param_grid = [
  {'C': [1, 10, 100, 1000], 'kernel': ['linear']},
  {'C': [1, 10, 100, 1000], 'gamma': [0.001, 0.0001], 'kernel': ['rbf']},
 ]
svr = svm.SVC()
clf = grid_search.GridSearchCV(svr, param_grid)

过了一会儿我得到了这个结果：

{'n_jobs': 1, 'verbose': 0, 'estimator__gamma': 0.0, 'estimator__probability': False, 'param_grid': [{'kernel': ['linear'], 'C': [1, 10, 100, 1000]}, {'kernel': ['rbf'], 'C': [1, 10, 100, 1000], 'gamma': [0.001, 0.0001]}], 'cv': None, 'scoring': None, 'estimator__cache_size': 200, 'estimator__verbose': False, 'pre_dispatch': '2*n_jobs', 'estimator__kernel': 'rbf', 'fit_params': {}, 'estimator__max_iter': -1, 'refit': True, 'iid': True, 'estimator__shrinking': True, 'score_func': None, 'estimator__degree': 3, 'estimator__class_weight': None, 'loss_func': None, 'estimator__random_state': None, 'estimator': SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
  kernel='rbf', max_iter=-1, probability=False, random_state=None,
  shrinking=True, tol=0.001, verbose=False), 'estimator__coef0': 0.0, 'error_score': 'raise', 'estimator__tol': 0.001, 'estimator__C': 1.0}

SVM Accuracy: 0.767326732673
Classification report:
             precision    recall  f1-score   support

    Females       0.76      0.77      0.76       294
    Males         0.78      0.77      0.77       312

avg / total       0.77      0.77      0.77       606

我不知道这是否是正确的使用方法，以及给出这个结果的参数 C 和 gamma 是什么，但是分类器已经改进了，有人可以告诉我我是否做得很好以及结果意味着什么或我怎样才能做到这一点？谢谢

Answer 1

您似乎正在将每个图像的像素转换为数字数组，并且只是希望 SVM 能够以某种方式区分女性像素序列和男性像素序列。

这种分类的“黑魔法”方法不太可能成功。对图像进行某种实际分析似乎是一种更有前途的方法——也许尝试量化面部特征，甚至只是颜色或边缘的数量。但这不是一个简单的爱好项目，您可以在一个周末使用简单的现成工具成功地大致了解最新技术

Answer 2

桌子

SVM Accuracy: 0.540041067762
Classification report:
           precision   recall  f1-score   support
Females       0.52      1.00      0.68       242
Males         1.00      0.09      0.16       245

清楚地表明您的分类器将几乎所有示例都识别为女性。这是为什么？ 100% 召回意味着所有女性样本都被正确识别为女性，而男性样本的 100% 准确率意味着您的分类器认为男性的每个样本确实是男性。另一方面，女性人群的 50% 准确率意味着平均而言，您归类为女性的样本中只有一半是真正的女性，而另一半是男性。

如果您仔细考虑一下，只能得出一个结论：您的分类器为（几乎）显示的任何内容预测一个“女性”标签。现在你必须找出发生这种情况的原因。