sklearn은 숫자를 예측할 때 항상 1을 예측합니다.

Question

저는 블렌더의 곡선에서 숫자를 예측하는 코드를 작성하려고합니다. 그래서 sklearn 사용과 같은 행렬로 곡선을 변환하고 불행히도 예측을 할 때마다 예측을 시도했습니다.

2 차원 행렬 (내가 가지고있는 원처럼 보입니다. 믹서기) :

[[ 0. 0. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 25. 25. 0. 0. 0.] 
[ 0. 25. 25. 25. 0. 25. 25. 0.] 
[ 0. 25. 0. 0. 0. 0. 25. 0.] 
[ 0. 25. 0. 0. 0. 0. 25. 0.] 
[ 0. 25. 0. 0. 0. 0. 25. 0.] 
[ 0. 0. 25. 25. 25. 25. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0.]] 

코드 :

import bpy 
import numpy as np 
from sklearn import datasets 
from sklearn import svm 
import scipy.misc 

ob = bpy.context.object 
assert ob.type == 'CURVE' # throw error if it's not a curve 
curve = ob.data 
spline = curve.splines.active # let's assume there's only one 
assert spline.type == 'BEZIER' # throw error if it's not a bezier 

shortest = None 
shortestDist = 10000 
shortest_x = None 
shortestDist_x = 10000 
result = [] 
for point in spline.bezier_points: 
    dist = point.co.y 
    dist_x = point.co.x 
    if dist < shortestDist : #test if better so far 
     shortest = point 
     shortestDist = dist 
    if dist_x < shortestDist_x : #test if better so far 
     shortest_x = point 
     shortestDist_x = dist 

print(1/abs(shortest.co.y)) 
result.append([shortest, shortestDist, dist, dist_x]) 
mult_y = 1/abs(shortest.co.y) 
mult_x = 1/abs(shortest_x.co.x) 
point_pos = [] 
for point in spline.bezier_points: 
    loc = point.co.y 
    loc_x = point.co.x 
    max_y = loc * mult_y 
    max_x = loc_x * mult_x 
    point_pos.append([loc, loc_x]) 

matrix = np.zeros((8, 8)) 
pixel = [] 

for index in enumerate(matrix): 
    matrix_to_co_y = 1/len(matrix) * index[0] 
    for index_y in enumerate(matrix[index[0]]): 
     matrix_to_co_x = 1/len(matrix) * index_y[0] 
     #print(matrix_to_co_y) 
     for point in point_pos: 
      if matrix_to_co_y > point[0] > matrix_to_co_y - 1/len(matrix): 
       if matrix_to_co_x > point[1] > matrix_to_co_x - 1/len(matrix): 
        pixel.append([index[0], index_y[0]]) 

for p in enumerate(pixel): 
    matrix[p[1][0]][p[1][1]] = 25 

flat = np.ravel(matrix) 


digits = datasets.load_digits() 

clf = svm.SVC(gamma=0.001, C=100) 

x,y = digits.data[:-1], digits.target[:-1] 
clf.fit(x,y) 
print('Prediction:',clf.predict([flat])) 

print(matrix) 

나는 내가 잘못 알고하지 않습니다. 도움이 필요하십니까

Answer 1

입력 된 이미지 또는 분류 자의 문제 일 수 있습니다. 문제가있는 곳을 테스트하려면

1) 두 개 이상의 입력 이미지를 사용해보십시오. 각 숫자 0-9에 대해 하나의 이미지를 만들어보십시오. 분류기가 모두에 대해 "1"을 예측하면 분류기에 문제가있는 것일 수 있습니다. 그러나 그것들 중 일부를 예측할 수 있다면 문제를 일으킨 단일 입력 이미지 일 가능성이 큽니다.

2) 다른 분류 기준을 사용해보십시오. 거의 모든 것이 digits 데이터 세트에서 훌륭한 성능을 제공 할 수 있습니다. RandomForestClassifier으로 시도했지만 이미지가 정확하게 "0"으로 예측됩니다. 개념의

증명 :

import numpy as np 
from sklearn.ensemble import RandomForestClassifier 
from sklearn import datasets 
my_input = np.array(
[[ 0., 0., 0., 0., 0., 0., 0., 0.], 
[ 0., 0., 0., 25., 25., 0., 0., 0.], 
[ 0., 25., 25., 25., 0., 25., 25., 0.], 
[ 0., 25., 0., 0., 0., 0., 25., 0.], 
[ 0., 25., 0., 0., 0., 0., 25., 0.], 
[ 0., 25., 0., 0., 0., 0., 25., 0.], 
[ 0., 0., 25., 25., 25., 25., 0., 0.], 
[ 0., 0., 0., 0., 0., 0., 0., 0.]]) 
iris = datasets.load_iris() 
digits = datasets.load_digits() 
clf = RandomForestClassifier() 
clf.fit(digits.data, digits.target) 
clf.predict(my_input.reshape(1, -1)) 
# Outputs array([0])