【OpenCV从入门到项目实战|OpenCV-Python实战（番外篇）——利用 SVM 算法识别手写数字】
OpenCV-Python实战（番外篇）——利用 SVM 算法识别手写数字
-
- 前言
- 使用 SVM 进行手写数字识别
- 参数 C 和 γ 对识别手写数字精确度的影响
-
- 完整代码
- 相关链接
前言 支持向量机 (
Support Vector Machine, SVM) 是一种监督学习技术，它通过根据指定的类对训练数据进行最佳分离，从而在高维空间中构建一个或一组超平面。在博文《OpenCV-Python实战（13）——OpenCV与机器学习的碰撞》中，我们已经学习了如何在 OpenCV 中实现和训练 SVM 算法，同时通过简单的示例了解了如何使用 SVM 算法。在本文中，我们将学习如何使用 SVM 分类器执行手写数字识别，同时也将探索不同的参数对于模型性能的影响，以获取具有最佳性能的 SVM 分类器。使用 SVM 进行手写数字识别 我们已经在
推荐阅读
- Python数据结构与算法|Python数据结构与算法（3.1）——栈
- OpenCV从入门到项目实战|OpenCV-Python实战（番外篇）——基于 Haar 级联的猫脸检测器
- python|OpenCV-Python实战（番外篇）——想要识别猫咪的情绪（从猫脸检测开始）
- python|python turtle画动物_python turtle 海龟绘图，绘制小猪佩奇-Go语言中文社区
- python|python 逻辑回归分类_Python机器学习(6)——逻辑回归分类
- 机器学习|机器学习笔记——逻辑回归
- python|机器学习python——线性回归模型的正规方程（吴恩达课后作业）
- Azure|Azure（什么是回归）
- 机器学习|机器学习笔记——逻辑回归之二分类