如何选择特征尺寸

Question

我正在尝试使用 SVM 在论文上复制一个实验，以增加我在机器学习方面的学习/知识。在本文中，作者提取特征并选择特征大小。他，然后给出一个表格，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那样实际抓取我提取的特征。

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)

如何选择提取和存储的特征数量？或者我如何手动存储具有我需要的特征数量的向量？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_)

不过，我的输出是：

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

对于 SVM 分类，我尝试使用 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）以及相应的类值列表（我们通常称为标签）。但是，目前有 2 件事与设置不完全正确：

1) 这里缺少多个features - 这些可能包括与从图像的形态/计算机视觉过程中提取特征相关的数据中的特定数组，或者它们可能是辅助数据，例如偏好、行为、购买列表.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，但我认为这不会对模型性能有任何改进。

2) target_names=category 在您的函数返回中会将最后一次迭代 pf 类别存储在 CATEGORIES 中。我不知道这是不是你想要的。

---

回到您的表格，N 是指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 50 种不同的葡萄酒和 5 个特征（颜色、味道、酒精含量、pH 值、光密度）。 N of 5 将是其中的五种葡萄酒，F of 2 将是，例如，colour, taste。

如果我不得不猜测您的特征是什么，它们实际上就是一个特征——图像数据本身。查看您的数据结构，您拥有的每个标签/类别都会有多个个人（人），每个人都有该人的多个图像示例。请注意，多个个体不是单独的特征 - 您构建数据的方式是，个体被归为一个类别。

那么，从这里到哪里？在不知道您正在阅读什么论文的情况下，很难建议该怎么做，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。