Я хочу повысить производительность распознавания лиц с помощью SVM и LDA. Не могли бы вы дать мне представление о том, как его реализовать.Как использовать модуль skylearn в python для распознавания лиц с использованием базы данных AT & T (набор данных fetch_olivetti_faces.)
Я полагаю, что по LDA вы подразумеваете выделение скрытого распределения Дирихле, если вы имеете в виду линейный дискриминантный анализ, вы можете просто использовать sklearn.discriminant_analysis.LinearDiscriminantAnalysis в качестве классификатора и сравнить точность или точность и отзыв или что-то еще ,
Вы должны использовать Латентное распределение Дирихле в качестве трансформатора перед подачей представления тем в SVM. Например, следующий код делает именно это (вы, конечно, можете использовать Pipelines и перекрестную проверку, но это всего лишь пример).
import numpy as np
from sklearn.datasets import fetch_olivetti_faces
from sklearn.decomposition import LatentDirichletAllocation
from sklearn.linear_svm import LinearSVC
# get the dataset
faces = fetch_olivetti_faces()
X = (faces.data*255).astype(int)
y = faces.target
# create a test set and a training set
idx = np.arange(len(X))
np.random.shuffle(idx)
train = idx[:2*len(X)/3]
test = idx[2*len(X)/3:]
# create the models
lda = LatentDirichletAllocation(n_topics=10)
svm = LinearSVC(C=10)
# evaluate everything
lda.fit(X[train])
T = lda.transform(X)
print svm.fit(T[train], y[train]).score(T[test], y[test])
LDA не особенно well suited for classification и, таким образом, были разработаны довольно много вариаций. Мы разработали один такой контролируемый вариант классификации, который мы представили в ACM Multimedia в этом году. Вы можете прочитать нашу статью Fast Supervised LDA и получить код и документацию от http://ldapluplus.com/. Наконец вы можете увидеть example of using Olivetti Faces with LDA++.