基于水色圖像的水質評價
資料預處理
拿到拍攝的水樣圖檔若幹，對圖像進行切割，得到僅有水色圖像的圖檔，以圖檔中心點左右，上下50像素切分
特征提取
提取R，G，B，的一階，二階，三階矩，九種屬性
模型輸入
這裡觀察表格資料沒有缺失值，是以不用進行插值什麼的，直接将資料二八分，百分之八十用于訓練，百分之二十用于測試：
import pandas as pd
inputfile = 'moment.csv'
#将資料分成訓練集和測試集導出的檔案名
outputfile1 = 'cm_train.xls'
outputfile2 = 'cm_test.xls'
data = pd.read_csv(inputfile,encoding = 'gbk')#讀取資料，指定編碼為gbk
data = data.values
from numpy.random import shuffle #引入随機函數
shuffle(data) #随機打亂函數
#取打了亂後的資料前百分之八十為訓練資料，後百分十二十位測試資料
data_train = data[:int(0.8*len(data)),:]
data_test = data[int(0.8*len(data)):,:]
這裡編碼模式采用gbk模式，與平時我們使用的uft8有什麼差別呢：
gbk編碼：是指中國的中文字元，它包含了簡體中文與繁體中文字元，另外還有一種字元“gb2312”，這種字元僅能存儲簡體中文字元。
UTF-8編碼：它是一種全國家通過的一種編碼，如果你的網站涉及到多個國家的語言，那麼建議你選擇UTF-8編碼。
UTF8編碼格式很強大，支援所有國家的語言，正是因為它的強大，才會導緻它占用的空間大小要比GBK大，對于網站打開速度而言，也是有一定影響的。
GBK編碼格式，它的功能少，僅限于中文字元，當然它所占用的空間大小會随着它的功能而減少，打開網頁的速度比較快。
可以檢視到，訓練資料條數正好是百分之八十，測試資料正好是百分之二十，檢視data，已經被打亂
我們發現九個屬性都是在0-1之間，用于SVM訓練的話，區分度會比較小，是以不妨同時擴大一個倍數，不影響結果，但是擴大倍數k不能太大也不能太小。本次選k = 30
#将特征與标簽分開，并且特征擴大30倍，标簽不作處理
x_train = data_train[:,2:]*30
y_train = data_train[:,0].astype(int)
x_test = data_test[:,2:]*30
y_test = data_test[:,2:].astype(int)
這裡已經将訓練資料集和測試資料集的标簽和特征分開了，并且特征也已經擴大了三十倍
然後，用SVM模型：
#導入模型相關的函數，建立并且訓練模型
from sklearn import svm
model = svm.SVC()
model.fit(x_train,y_train)
import pickle
pickle.dump(model,open('svm.model','wb'))
#儲存模型，友善下次直接使用模型
#調用的時候可以使用下面語句：
#model = pickle.load(open('svm.model','rb'))
然後通過看混淆矩陣，分析結果：
#導入相關的庫，生成混淆矩陣
from sklearn import metrics
#訓練樣本的混淆矩陣
cm_train = metrics.confusion_matrix(y_train,model.predict(x_train))
#測試樣本的混淆矩陣
cm_test = metrics.confusion_matrix(y_test,model.predict(x_test))
#将得到的混淆矩陣儲存起來,儲存結果
pd.DataFrame(cm_train,index = range(1,6),columns = range(1,6)).to_excel(outputfile1)
pd.DataFrame(cm_test,index = range(1,6),columns = range(1,6)).to_excel(outputfile2)
将兩個混淆矩陣儲存到xls
cm_train:
cm_test:
模型分析
通過混淆矩陣，算準确性等
拓展
測試空氣品質：
import pandas as pd
inputfile = '拓展.xls'
#将資料分成訓練集和測試集導出的檔案名
outputfile1 = 'cm_train.xls'
outputfile2 = 'cm_test.xls'
data = pd.read_excel(inputfile,encoding = 'utf8')#讀取資料，指定編碼為gbk
data = data.values
from numpy.random import shuffle #引入随機函數
shuffle(data) #随機打亂函數
#取打了亂後的資料前百分之八十為訓練資料，後百分十二十位測試資料
data_train = data[:int(0.8*len(data)),:]
data_test = data[int(0.8*len(data)):,:]
#将特征與标簽分開，并且特征擴大30倍，标簽不作處理
x_train = data_train[:,:6]*30
y_train = data_train[:,6]
x_test = data_test[:,:6]*30
y_test = data_test[:,6]
#導入模型相關的函數，建立并且訓練模型
from sklearn import svm
model = svm.SVC()
model.fit(x_train,y_train)
#導入相關的庫，生成混淆矩陣
from sklearn import metrics
#訓練樣本的混淆矩陣
cm_train = metrics.confusion_matrix(y_train,model.predict(x_train))
#測試樣本的混淆矩陣
cm_test = metrics.confusion_matrix(y_test,model.predict(x_test))
#将得到的混淆矩陣儲存起來,儲存結果
pd.DataFrame(cm_train,index = range(7),columns = range(7)).to_excel(outputfile1)
pd.DataFrame(cm_test,index = range(6),columns = range(6).to_excel(outputfile2)
cm_test:
cm_train: