使用SVM理论进行训练和预测

Question

我使用库实现了字符识别 但我还是不知道SVM理论在训练和预测过程中是如何工作的，我只是理解SVM只找到超平面

例如，假设我有一个如下的训练图像

来自Google的图片，数字为零

我们如何为上述每个训练数据找到超平面？ 预测过程如何完成？
SVM如何根据超平面对数据进行分类？

非常感谢你能帮助我

Answer 1

你可以使用opencv和python.Opencv实现了svm，你可以通过函数调用来使用它。

SVM是用于数据分类的机器学习模型。我们可以使用SVM对图像进行分类。步骤是

1. 您必须拥有一个训练数据集（已知标签的图像数据集）
2. 提取功能[功能是颜色，形状，猪，冲浪，筛选等..]从图像和存储，也存储相关标签
3. 然后使用这些数据训练svm
4. 现在您可以使用svm来预测未知图像的标签

此link会帮助您

Answer 2

首先，这是一个非线性可分离的问题，您必须实现内核SVM，将其投影到可线性分离的更高维空间中。您可以使用sklearn库来实现上述目的。