😏:Svm Random

난수 생성 코드

import cv2
import numpy as np
import matplotlib.pylab as plt
 
# 0~158 구간 임의의 수 25 x 2 생성   ---①
a = np.random.randint(0,158,(25,2))
# 98~255 구간 임의의 수 25 x 2 생성 ---②
b = np.random.randint(98, 255,(25,2))
# a, b를 병합, 50 x 2의 임의의 수 생성 ---③
trainData = np.vstack((a, b)).astype(np.float32)
# 0으로 채워진 50개 배열 생성 ---④
responses = np.zeros((50,1), np.int32)
# 25 ~ 50 까지 1로 변경 ---⑤
responses[25:] = 1

# 0과 같은 자리의 학습 데이타는 빨강색 삼각형으로 분류 및 표시 ---⑥
red = trainData[responses.ravel()==0]
plt.scatter(red[:,0],red[:,1],80,'r','^')
# 1과 같은 자리의 학습 데이타는 파랑색 사각형으로 분류 및 표시 ---⑦
blue = trainData[responses.ravel()==1]
plt.scatter(blue[:,0],blue[:,1],80,'b','s')
# 0~255 구간의 새로운 임의의 수 생성 및 초록색 원으로 표시 ---⑧
newcomer = np.random.randint(0,255,(1,2)).astype(np.float32)
plt.scatter(newcomer[:,0],newcomer[:,1],80,'g','o')
# SVM 알고리즘 객체 생성 및 훈련---⑨
svm = cv2.ml.SVM_create()

svm.trainAuto(trainData, cv2.ml.ROW_SAMPLE, responses)
# svm_random.xml 로 저장 ---⑩
svm.save('./svm_random.xml')
# 저장한 모델을 다시 읽기 ---⑪
svm2  = cv2.ml.SVM_load('./svm_random.xml')
# 새로운 임의의 수 예측 ---⑫
ret, results = svm2.predict(newcomer)
# 결과 표시 ---⑬
plt.annotate('red' if results[0]==0 else 'blue', xy=newcomer[0], xytext=(newcomer[0]+1))
print("return:%s, results:%s"%(ret, results))
plt.show()

코드 해설

1. 각각 25개의 난수 생성, 약간 겹치는 구간이 있게 0~158, 98~255

2. 이 둘을 합쳐서 50개의 난수 만들기

3. 레이블로 사용할 50개의 0으로 채워진 배열 만들기

4. 그 중 25번쨰 이후의 모든 요소를 1로 채워서 절반씩 0 과 1이 채워지게함.

5. 각각의 레이블에 맞는 순번의 학습 데이터를 red와 blue로 분류하고 표시

6. 예측에 사용할 새로운 난수를 발생하고 초록색 원으로 표시

7. SVM 알고리즘 객체를 생성하고 trainAuto()함수 써서 훈련

8. 모델 객체 파일로 저장했다가 다시 읽어들이는 모습 보여주기

9. 새로운 난수를 예측하고 그 결과를 코드에 표기

실행결과