一、基于传统机器学习方法SVM对kaggle猫狗图片分类
user： yangyu
repository： https://github.com/icoty/svm_kaggle_cat_dog
参考文献： https://www.jianshu.com/p/e62834b99bad
二、目录树
.
|-- README.md
|-- resizeData/ 原始图片像素尺寸不一,调用接口格式化后存储至该目录
|-- train/ 原始数据解压后存放位置, 下载链接：https://pan.baidu.com/s/13hw4LK8ihR6-6-8mpjLKDA 密码：dmp4
`-- train.py
三、运行结果展示
[yangyu@VM_0_3_centos svm_kaggle_cat_dog]$
[yangyu@VM_0_3_centos svm_kaggle_cat_dog]$ python train.py
=============== [ BEGIN ] ===============
############### [Hog_SVM pre process] ###############
2019-01-18 22:07:59
2019-01-18 22:08:00
trainData:[500],cat:[245],dog:[255],testData:[50]
############### [Hog_SVM pre process] ###############
############### [Hog_SVM train ] ###############
2019-01-18 22:08:00
2019-01-18 22:08:00
############### [Hog_SVM train ] ###############
############### [Hog_SVM predict ] ###############
2019-01-18 22:08:00
2019-01-18 22:08:00
predict:[50], errorConuts:[25], accuracy:[50.00%]
############### [Hog_SVM predict ] ###############
=============== [ BEGIN ] ===============
############### [Hog_SVM pre process] ###############
2019-01-18 22:08:00
2019-01-18 22:08:00
trainData:[1000],cat:[505],dog:[495],testData:[100]
############### [Hog_SVM pre process] ###############
############### [Hog_SVM train ] ###############
2019-01-18 22:08:00
2019-01-18 22:08:01
############### [Hog_SVM train ] ###############
############### [Hog_SVM predict ] ###############
2019-01-18 22:08:01
2019-01-18 22:08:01
predict:[100], errorConuts:[43], accuracy:[57.00%]
############### [Hog_SVM predict ] ###############
=============== [ BEGIN ] ===============
############### [Hog_SVM pre process] ###############
2019-01-18 22:08:01
2019-01-18 22:08:02
trainData:[2000],cat:[1009],dog:[991],testData:[200]
############### [Hog_SVM pre process] ###############
############### [Hog_SVM train ] ###############
2019-01-18 22:08:02
2019-01-18 22:08:02
############### [Hog_SVM train ] ###############
############### [Hog_SVM predict ] ###############
2019-01-18 22:08:02
2019-01-18 22:08:02
predict:[200], errorConuts:[90], accuracy:[55.00%]
############### [Hog_SVM predict ] ###############
=============== [ BEGIN ] ===============
############### [Hog_SVM pre process] ###############
2019-01-18 22:08:02
2019-01-18 22:08:04
trainData:[5000],cat:[2521],dog:[2479],testData:[500]
############### [Hog_SVM pre process] ###############
############### [Hog_SVM train ] ###############
2019-01-18 22:08:04
2019-01-18 22:08:06
############### [Hog_SVM train ] ###############
############### [Hog_SVM predict ] ###############
2019-01-18 22:08:06
2019-01-18 22:08:06
predict:[500], errorConuts:[244], accuracy:[51.20%]
############### [Hog_SVM predict ] ###############
=============== [ BEGIN ] ===============
############### [Hog_SVM pre process] ###############
2019-01-18 22:08:06
2019-01-18 22:08:12
trainData:[15000],cat:[7516],dog:[7484],testData:[1500]
############### [Hog_SVM pre process] ###############
############### [Hog_SVM train ] ###############
2019-01-18 22:08:12
2019-01-18 22:08:16
############### [Hog_SVM train ] ###############
############### [Hog_SVM predict ] ###############
2019-01-18 22:08:16
2019-01-18 22:08:16
predict:[1500], errorConuts:[713], accuracy:[52.47%]
############### [Hog_SVM predict ] ###############
=============== [ BEGIN ] ===============
############### [Hog_SVM pre process] ###############
2019-01-18 22:08:16
2019-01-18 22:08:23
trainData:[20000],cat:[10037],dog:[9963],testData:[2000]
############### [Hog_SVM pre process] ###############
############### [Hog_SVM train ] ###############
2019-01-18 22:08:23
2019-01-18 22:08:29
############### [Hog_SVM train ] ###############
############### [Hog_SVM predict ] ###############
2019-01-18 22:08:29
2019-01-18 22:08:29
predict:[2000], errorConuts:[1003], accuracy:[49.85%]
############### [Hog_SVM predict ] ###############
[yangyu@VM_0_3_centos svm_kaggle_cat_dog]$