表情识别-KNN算法的训练样本和测试样本是什么？

问题描述

KNN算法的训练样本和测试样本是什么？ 
    我把 jaffe数据库的图片预处理之后分成了训练集和测试集，训练集70张，测试集70张，两个集合的每张图片是对应的，即是同一个人的同一种表情，其余73张图片删掉不用。我把每一张图片imread后reshape成一个行向量，即一张图片对应一个行向量，这样就形成了训练集矩阵 X和测试集矩阵 C。把 X和 C进行 fastica计算，得到 训练集的独立分量矩阵 icasigX和测试集的独立分量矩阵 icasigC。把 icasigX， icasigC，X和 C转置之后进行 X和 C向icasigX和 icasigC投影计算，得到投影系数矩阵 XTOU和 CTOU,这时它俩都是 70*70大小的一列为一个 X的投影系数的方阵。KNN算法有4个输入参数，我令 in等于XTOU转置，test等于 CTOU转置，out等于70*1的 X的类，k先设置为1，最后进行 KNN计算，即 target= KNN[in,out,test,k]。可是我把 k从1试到8，实验结果都差得离谱，说明我的思路是错误的。![图片](http://img.ask.csdn.net/upload/201605/22/1463887838_78938.jpg)![图片](http://img.ask.csdn.net/upload/201605/22/1463887940_644761.jpg)![图片](http://img.ask.csdn.net/upload/201605/22/1463887958_3632.jpg)
时间： 2024-09-22 19:09:52

表情识别-KNN算法的训练样本和测试样本是什么？的相关文章

knn算法-K-最大近临算法的训练样本和测试样本是什么？

问题描述 K-最大近临算法的训练样本和测试样本是什么? 我把 jaffe数据库的图片预处理之后分成了训练集和测试集,训练集70张,测试集70张,两个集合的每张图片是对应的,即是同一个人的同一种表情,其余73张图片删掉不用.我把每一张图片imread后reshape成一个行向量,即一张图片对应一个行向量,这样就形成了训练集矩阵 X和测试集矩阵 C.把 X和 C进行 fastica计算,得到 训练集的独立分量矩阵 icasigX和测试集的独立分量矩阵 icasigC.把 icasigX, icasi

kNN算法python实现和简单数字识别的方法_python

本文实例讲述了kNN算法python实现和简单数字识别的方法.分享给大家供大家参考.具体如下: kNN算法算法优缺点: 优点:精度高.对异常值不敏感.无输入数据假定 缺点:时间复杂度和空间复杂度都很高 适用数据范围:数值型和标称型 算法的思路: KNN算法(全称K最近邻算法),算法的思想很简单,简单的说就是物以类聚,也就是说我们从一堆已知的训练集中找出k个与目标最靠近的,然后看他们中最多的分类是哪个,就以这个为依据分类. 函数解析: 库函数: tile() 如tile(A,n)就是将A重复n次

《机器学习与R语言（原书第2版）》一3.2　例子—用kNN算法诊断乳腺癌

本节书摘来自华章出版社<机器学习与R语言(原书第2版)>一书中的第3章,第3.2节,美] 布雷特·兰茨(Brett Lantz) 著,李洪成 许金炜 李舰 译更多章节内容可以访问"华章计算机"公众号查看. 3.2 例子-用kNN算法诊断乳腺癌 定期的乳腺癌检查使得疾病在引起明显的症状之前就得到诊断与治疗.早期的检测过程包括检查乳腺组织的异常肿块.如果发现一个肿块,那么就需要进行细针抽吸活检,即利用一根空心针从肿块中提取细胞的一个小样品,然后临床医生在显微镜下检查细胞,从而确

以Python代码实例展示kNN算法的实际运用_基础知识

邻近算法,或者说K最近邻(kNN,k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一.所谓K最近邻,就是k个最近的邻居的意思,说的是每个样本都可以用它最接近的k个邻居来代表. kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性.该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别. kNN方法在类别决策时,只与极少量的相邻样本有关.由于kNN方法主

kNN算法笔记

kNN算法笔记 标签(空格分隔): 机器学习 kNN是什么 kNN算法是k-NearestNeighbor算法,也就是k邻近算法.是监督学习的一种.所谓监督学习就是有训练数据,训练数据有label标好(也就是分类分好的).kNN的思路是,对于需要测试的数据,把它和训练集中的每个数据都进行距离计算,距离最近的前k个结果中,所对应的label出现次数最多的,就是这个测试数据所属的label(类别). kNN一般步骤 按照<machine learning in action>一书中的通用步骤走一遍

KNN算法介绍

来源:http://blog.csdn.net/xlm289348/article/details/8876353 KNN最邻近规则,主要应用领域是对未知事物的识别,即判断未知事物属于哪一类,判断思想是,基于欧几里得定理,判断未知事物的特征和哪一类已知事物的的特征最接近: K最近邻(k-Nearest Neighbor,KNN)分类算法,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一.该方法的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类

计算机视觉-请问谁有跟踪算法里的 biker 测试序列？

问题描述 请问谁有跟踪算法里的 biker 测试序列? 请问谁有跟踪算法里的 biker 测试序列?我找了好久都找不到地方可以下载,急求,如能帮助,不胜感激!yushengjuan@gmail.com

KNN算法对新上市汽车评估分析

应用IBM SPSS Statistic 的最近邻元素分析模型(NNA)对汽车厂商预研车型进行市场评估.分析新车型的技术指标是否达标,预测新车型投放市场后的预期销售额. 4.1 研究背景 某汽车制造厂商研发了一款新车型,为了提升影响力,提高收益产出比,在投入市场之前希望能够对市场进行考核,增加两项技术设计指标,通过对已有的相关数据和技术指标进行对比,从而通过验证来检验新车型的技术指标是否能够达到预期效果. 4.2 研究目的 某汽车制造厂商的研发部门制定出两款新预研车型的技术设计指标,厂商的决策层

排序算法大数据量测试代码

using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Collections; using System.Diagnostics; using System.IO; namespace Sort { class Program { static string ErrMsg = string.Empty; static void Main(string[]