时间戳

首页 > 解决方案 > 来自 GitHub 的 Sign Language Glove 项目：帮助理解代码

python - 来自 GitHub 的 Sign Language Glove 项目：帮助理解代码

问题描述

我对 Python 很陌生，我正在尝试用我自己的硬件复制这个 Sign Language Glove 项目，以便首次练习机器学习。我已经可以从我的加速度计将数据写入 CSV 文件，但我无法理解这个过程。名为“建模”的文件让我感到困惑。谁能帮助我了解正在发生的过程？

import numpy as np
from sklearn import svm
from sklearn import tree
from sklearn.ensemble import RandomForestClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix

import pandas as pd
df= pd.read_csv("final.csv") ##This I understand. I've successfully created csv files with data


#########################################################################
## These below, I do not.

from sklearn.model_selection import train_test_split
train, test = train_test_split(df, test_size = 0.2)


train_features = train[['F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]
train_label = train.cl

test_features = test[['F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]
test_label = test.cl

## SVM
model = svm.SVC(kernel='linear', gamma=1, C=1)
model.fit(train_features, train_label)
model.score(train_features, train_label)
predicted_svm = model.predict(test_features)
print "svm"
print accuracy_score(test_label, predicted_svm)
cn =confusion_matrix(test_label, predicted_svm)

标签： pythonmachine-learningsvm

解决方案

欢迎来到社区。这看起来是个不错的开始方式。

就像@hilverts_drinking_problem 建议的那样，我建议查看 sklearn 文档。但这里是对正在发生的事情的快速解释。

train, test split 函数将数据集随机拆分为两个数据集，以便进行训练和测试。test_size = 0.2 表示 20% 的数据将在测试集中，其余 80% 在训练集中。

接下来的两行只是分离出训练的输入（特征）和输出（目标）。接下来的两行中的测试相同。

最后，您创建一个 SVM 对象，使用 model.fit 训练模型，并使用 .score 获得其分数。然后，您使用该模型来预测测试集的内容。最后，打印测试集的准确度分数及其混淆矩阵。

如果您需要我澄清/详细说明某些事情，请告诉我！

推荐阅读