手写数字识别项目报告

                                    ***任务4项目报告***

一、 需求分析
需求：
1、 对图片（类似手写数字）进行分类
分析：
1、 处理图片，要避免维度灾难，这就需要图片压缩、灰度化处理。
2、 要有效提取信息，这就可能需要滤波和加强图像。
3、 因为已经压缩了大量信息，特征选择上要全部像素都用。
4、 对图像进行预测建模。然后进行交叉验证，训练后在训练集上做准确率测试，最后在验证集上做泛化能力测试。
5、 注意到这是一个特别“平衡”的数据集，因此不用考察查准率和查全率
6、 调节超参，调优模型
7、 比较和选择最优模型

二、实现
1、注意：
（1）由于我的Anaconda死活配置不了openCV环境（网络不好，下不了包），PIL库处理图像不太方便，所以我在图像预处理时使用的是VS2017和C++，机器学习部分用Anaconda的Spyder IDE和py，调用sklearn框架。看起来挺蠢的
（2）本项目使用了SVM（poly核）、RandomForest两个分类算法。
2、图像预处理：
（1）导入图像来处理。灰度化以后，直方图均衡化图像，然后缩小图像，最后图像保存在train/x.5中，编写了一个Resize函数来实现：

预处理后效果如图所示（这其实是一个9X6的“1”的小图像）：

3、导入到Spyder中进行建模
（1）每一张图片在导入Spyder后都展开为一行向量，并且末尾加上一个元素作为lable，导入一个DataFrame中，准备开始建模
（2）切片出一个大的验证集，求出其补集（验证集有1197个数据,为总数据的1/10）
（3）对SVM、RandomForestClassifier对象设置超参，并且交叉验证：
效果比较好（怀疑两秒钟）
（4）用训练集训练SVM的训练用时：0.4107秒
RandomForestClassifier的训练用时：0.4263秒
（5）在训练集上验证训练集上的准确率都是1.0，比较好
（6）在验证集做泛化能力测试（之前做了交叉验证，这一步真的比较多余了）
由于准确率都很高，所以我认为没有调节超参的必要
4、保存模型
三、总结
1、要好好研究一下openCV怎么配置到Python中才行
2、用的分类算法比较少，但是svm和randomforest效果都特别好。时间紧迫，没有去试试svm的其它核，也没有试试lent5等其它算法，很可惜
3、cpp、py源码，spydata的数据，图像数据集，SVM_model.pkl等两个分类模型保存在文件夹中
源码不弄上来了；