一个愚蠢的问题：在我训练我的SVM scikit-learn之后我必须使用预测函数：预测（X）预测哪个类属于哪个？ （http://scikit-learn.org/dev/modules/generated/sklearn.svm.SVC.html#sklearn.svm.SVC.predict）
X参数是图像特征向量？ 如果我给的图像没有经过培训（没有经过培训，因为SVM要求至少3个样本上课），会返回什么？
答案 0 :(得分：1)
第一句话：“predict（）返回图像与scikit中SVM的相似性”不是问题。请在Stack Overflow条目的标题中添加一个问题。
第二句话：sklearn中SVC类的预测方法不返回“图像相似度”，而是返回类赋值预测。阅读http://scikit-learn.org文档和tutorials，了解机器学习中分类和预测的含义。
X参数是图像特征向量吗？
不，X不是“图像”特征向量：它是一组形状为(n_samples, n_features)的图像特征向量，如您所引用的文档中所述。在您的情况下，样本是图像，因此预期的形状将是(n_images, n_features)。由于效率原因，预测API被设计为一次计算许多预测。如果要计算单个预测，则必须将单个特征向量包装在形状为(1, n_features)的数组中。
例如，如果您有一个名为my_single_image_features且形状为(n_features,)的特征向量（1D），则可以使用以下方式调用预测：
predictions = clf.predict([my_single_image_features])
my_single_prediction = predictions[0]
请注意[]变量周围的my_single_image_features符号，将其转换为2D数组。
my_single_prediction将是一个整数，其含义取决于您在首先调用clf.fit(X_train, y_train)方法时提供的整数值。
如果我给的图片没有经过培训（没有经过培训，因为SVM要求至少3个样本上课），会有什么回报？
图像未经过“训练”。只训练模型。当然，您可以将不属于训练集的样本/图像传递给预测方法。这是机器学习的全部目的：根据您从过去的训练数据中看到的统计规律中学到的内容，对新的看不见的数据进行预测。