Python 如何测试不在数据集中的图像的准确性

我使用train_test_split来训练和测试我的数据这是一个有趣的概念，可以将数据分为训练和测试，但是如果我想加载一些不在测试数据中的数据呢

我的问题是train_test_split只处理数据，我想看看外部图像属于哪个标签

目前，我正在从图像中提取22个特征，并使用这些特征来训练线性SVC进行识别，现在根据train_test_split，我在测试集中得到94%，这很好，我想做的只是在数据集中没有的图像上测试它。train_test_split从以前加载的数据集接收数据进行训练和测试，但我想加载映像并直接测试它们

可复制示例：（3幅图像，共10个特征）

例如，如何测试以下图像的功能

([[126., 232., 225., 149., 231., 222.,  60., 218., 152., 191.]])

---

所以，我要做的是选择一个特定的图像，编辑它一点，然后我想看看我的分类器在测试这个图像时是如何做的，这个图像是经过编辑的，没有经过训练的，它不在数据集中，例如，如果我从互联网上选择了一个图像，如何测试它？？？

如果您知道如何从图像中获取感兴趣的功能，只需加载图像，收集功能，然后根据正确的值进行预测和测试。比如说

y_test = [[1], [2], [3]]
images = # fill in however you are getting your images into memory here
clf.score(images, y_test)

# or get the predictions by hand and do your own metric
predictions = clf.predict(images)
mse = np.mean(np.square(y_test - predictions))

---

在执行此操作之前，您应该已经训练了分类器。

我不理解您的解决方案，如何针对未加载到数据集中的图像测试训练？你做的和我做的一样，你不必把图像加载到数据集中。例如，定义序列test_image=（[[126,232,225,149,231,222,60,218,152,191.]），然后调用predicts=clf。predict（test_image）就是您所需要的全部

y_test = [[1], [2], [3]]
images = # fill in however you are getting your images into memory here
clf.score(images, y_test)

# or get the predictions by hand and do your own metric
predictions = clf.predict(images)
mse = np.mean(np.square(y_test - predictions))