第20章中,关于使用K近邻算法实现数字识别,如何提升准确率呢?识别0-9的数字,只有1和4是准确的,其他的都会识别错误,大部分数字都会被识别成1……希望大佬可以提供帮助,非常感谢!
简单一点的:使用更多的样本,用更大的K。 稍微复杂点,对特征进行更有针对性的提取。
409页 19.3.2用滚动条控制阈值处理参数例 19.13中def onType(a) 与def onValue(a)代码完全一致,没有必要写两次保留一个就可以了,后面定义滚动条时,调用同一个回调函数就行了
确认。感谢您的反馈。
书p25页代码,我想请问,既然itemset是np包的函数,为什么代码可以不用导入np,而且前面不用加np.
138页,第三个点后面的“改变”应改为“不变”
确认 。感谢您的纠正。
李主编您好,我在学习《Opncv 轻松入门 面向Python》一书时,发现第二章第33页的两句话:g=lena[:,:,0]获取到了图像img的G通道和r=lena[:,:,0]获取到了图像img的R通道,出现了错误。应该为g=lena[:,:,1]获取到了图像img的G通道和r=lena[:,:,2]获取到了图像img的R通道. 不知道这个是印刷错误还是可能忘记了这一小点,希望出版社能够及时改正这个错误,谢谢您!
确认。感谢您的指正,第2版中会修正该错误。
第20章中,关于使用K近邻算法实现数字识别,如何提升准确率呢?识别0-9的数字,只有1和4是准确的,其他的都会识别错误,大部分数字都会被识别成1……希望大佬可以提供帮助,非常感谢!
409页 19.3.2用滚动条控制阈值处理参数
例 19.13中def onType(a) 与def onValue(a)代码完全一致,没有必要写两次
保留一个就可以了,后面定义滚动条时,调用同一个回调函数就行了
书p25页代码,我想请问,既然itemset是np包的函数,为什么代码可以不用导入np,而且前面不用加np.
138页,第三个点后面的“改变”应改为“不变”