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

标签 , ,