支持向量机的Python OpenCV手写识别，改变训练和测试量

在OpenCV给出的示例中，训练集为250，测试量也相同。然而，当测试和训练数字改变时，准确度下降到0

# First half is trainData, remaining is testData
train_cells = [ i[:40] for i in cells ] 
test_cells = [ i[40:] for i in cells]

train_amt = 200
responses = np.float32(np.repeat(np.arange(10),train_amt)[:,np.newaxis])

我已经从原始代码更改了上面几行中的值。我做错了什么？那么x应该是什么呢

---

OpenCV提供的培训和测试数据：

您的数据拆分是正确的。它为您提供

0.0

精度的原因是您测量它的方式

通过以下方式进行精度检查：

mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size

通过新的分离列车/测试，这不再正确。首先，

结果

和

响应

的长度不同，因此

掩码

只是

假

因此，现在要测量精度，需要根据测试大小而不是训练来重塑

响应。工作代码仅更改200 x 300：

responses = np.float32(np.repeat(np.arange(10),300)[:,np.newaxis])
mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size

准确度下降了一点，但并没有下降到
0.0
，现在你达到了
93.1
，这是正常的，因为你减少了训练的规模，增加了测试的数量。
谢谢，解决了这个问题。创建了一个单独的numpy数组用于比较结果。非常感谢！这正是我在你编辑代码前一分钟所做的。