QT上实现SVM进行数据分类
针对不了解SVM的原理的同学强推下面这个课程：
6.机器学习课程（六）支持向量机（线性模型）问题_哔哩哔哩_bilibili
一、QT实现SVM的方法
1.调用SVM的C语言库：麻烦，要专门去找库，cmake可能方便一点，我的QT用的qmake，加起来比较麻烦
2.QT调用Python文件：简单，有现成的代码
我这里使用的方法2，环境配置参考我的这篇文章：
QT运行导入python（pytorch）程序进行深度学习(qmake)_qt 引入python-CSDN博客
二、python代码
主要框架有一下几个部分：注意SVM模型的选择，我这里是非线性的选择的rbf
import numpy as np
from sklearn import svm
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay, accuracy_score
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
from matplotlib import rcParamsrcParams['font.sans-serif'] = ['SimHei']
rcParams['axes.unicode_minus'] = False# 加载数据
data = np.load('data.npy') # 替换为你的数据路径
labels = np.load('label.npy') # 替换为你的标签路径
# 划分数据
data_per_class = []
n_classes = 7
# 按类别划分数据
for label in range(n_classes):class_data = data[labels == label]X_train, X_test = train_test_split(class_data, test_size=0.1, random_state=42)data_per_class.append((X_train, X_test))# 合并所有类别的训练和测试数据
X_train_all = np.concatenate([train for train, _ in data_per_class])
X_test_all = np.concatenate([test for _, test in data_per_class])# 生成对应的标签
y_train_all = np.concatenate([np.full(train.shape[0], label) for label, (train, _) in enumerate(data_per_class)])
y_test_all = np.concatenate([np.full(test.shape[0], label) for label, (_, test) in enumerate(data_per_class)])# 使用最佳参数的SVC模型
best_svc = svm.SVC(C=1, gamma=0.03, kernel='rbf')
best_svc.fit(X_train_all, y_train_all)# 使用最佳参数的模型进行预测
y_pred_train = best_svc.predict(X_train_all)
y_pred_test = best_svc.predict(X_test_all)# 计算准确率
train_accuracy = accuracy_score(y_train_all, y_pred_train)
test_accuracy = accuracy_score(y_test_all, y_pred_test)
print(f'Train Accuracy: {train_accuracy:.4f}')
print(f'Test Accuracy: {test_accuracy:.4f}')# 绘制测试集混淆矩阵
label_names = ['正常', '短路', '缺相', '轴弯曲', '不对中', '不平衡', '断条']
conf_matrix = confusion_matrix(y_test_all, y_pred_test)
disp = ConfusionMatrixDisplay(confusion_matrix=conf_matrix, display_labels=label_names)
disp.plot(cmap=plt.cm.Blues)
plt.title('测试集混淆矩阵')
plt.show()
部分语法：
#是一个列表推导式，用于提取 data_per_class 中每个元组的第一个元素，即每个类别的训练集 X_train
X_train_all = np.concatenate([train for train, _ in data_per_class])
#是一个列表推导式，用于提取 data_per_class 中每个元组的第二个元素，即每个类别的测试集 X_test
X_test_all = np.concatenate([test for _, test in data_per_class])eg：
data_per_class = [(np.array([[0.1, 0.2, 0.3], [0.4, 0.5, 0.6]]), np.array([[0.7, 0.8, 0.9]])),(np.array([[1.0, 1.1, 1.2], [1.3, 1.4, 1.5], [1.6, 1.7, 1.8]]), np.array([[1.9, 2.0, 2.1]])),(np.array([[2.2, 2.3, 2.4], [2.5, 2.6, 2.7], [2.8, 2.9, 3.0], [3.1, 3.2, 3.3]]), np.array([[3.4, 3.5, 3.6], [3.7, 3.8, 3.9]]))
]#执行后
np.array([[0.1, 0.2, 0.3],[0.4, 0.5, 0.6],[1.0, 1.1, 1.2],[1.3, 1.4, 1.5],[1.6, 1.7, 1.8],[2.2, 2.3, 2.4],[2.5, 2.6, 2.7],[2.8, 2.9, 3.0],[3.1, 3.2, 3.3]
])对没学过pyhon的同学（例如我）举个例子：
列表推导式是从左到右进行嵌套的，按方框进行遍历，最后得到x，返回x*x，类似于C++std的遍历，形式比较简洁
这样逻辑就清楚多了
后续就是进行训练SVM模型
未完待续........
相关文章：
QT上实现SVM进行数据分类
针对不了解SVM的原理的同学强推下面这个课程： 6.机器学习课程（六）支持向量机（线性模型）问题_哔哩哔哩_bilibili 一、QT实现SVM的方法 1.调用SVM的C语言库：麻烦，要专门去找库，cmak…...
【unity调用c++动态库，c++和c#相互调用】
文章目录 前言一、编写C++动态库（MyLibrary.cpp）二、 编译C++动态库三、编写C#代码（CallbackExample.cs）四、将C++动态库与Unity项目集成五、Unity运行结果六、注意事项总结前言 在Unity中调用C++动态库并进行回调到C#的功能实现，涉及到C++与C#之间的交互。这个过程的关键…...
SAP FICO财务模块的会计年度变式是什么？有特殊的年度期间（财年）吗？可以不按日历月份来设定会计期间吗？
文章目录 一、会计准则中关于会计期间的一般性原则二、SAP系统中关于会计期间的设定（1）一般性的期间设定方式（2）特殊期间是什么？（3）有些国家与众不同的财年 三、可以不按日历月份来设定会计期间…...
Linux（17）——使用 DNF 安装和更新软件包
目录 一、使用 DNF 管理软件包： 1、 DNF 查找软件： 2、DNF 安装软件： 3、DNF 删除软件： 二、使用 DNF 管理软件包组： 1、DNF 显示组信息： 2、DNF 安装组： 三、使用 DNF 查看事务历史记录…...
vue中的设计模式
vue中使用了哪些设计模式 1. 观察者模式（Observer Pattern） 应用场景：Vue 的响应式系统核心就是观察者模式。 实现方式：通过 Object.defineProperty 或 Proxy 监听数据变化，当数据发生变化时，通知依赖的视…...
大模型性能随笔
1. 如果开了accumulate gradient更新，则pipeline并行的bubble会变小很多。因为每foward好多个batch，才开始backward。 2. chat聊天任务上，可以把prefix KV cache reuse功能利用起来；然后把同一个session的对话，路由到…...
pdf预览 报：Failed to load module script
pdf 预览报： Failed to load module script: Expected a JavaScript module script but the server responded with a MIME type of “application/octet-stream”. Strict MIME type checking is enforced for module scripts per HTML spec. 报错原因：…...
基于 gitlab-runner 实现调度GPU的资源
本篇目录 1. 客户需求2. 需求调研3. 实践3.1 方案一：环境变量的方式3.2 方案二：k8s 自身的spec注入机制 4. 效果 该实践来自于客户的一个真实需求 1. 客户需求 客户的某些流水线需要使用GPU资源，但是对于GPU服务器而言，会有多张G…...
【源码+文档+调试讲解】项目申报小程序
摘 要 随着信息技术和网络技术的飞速发展，人类已进入全新信息化时代，传统管理技术已无法高效，便捷地管理信息。为了迎合时代需求，优化管理效率，各种各样的管理系统应运而生，各行各业相继进入信息管理时代…...
【ShuQiHere】使用 SCP 进行安全文件传输
【ShuQiHere】🚀 在日常的开发和运维工作中，文件传输是一个常见的任务。scp（Secure Copy）是一个基于 SSH 协议的文件传输工具，能够在本地和远程主机之间安全地复制文件和目录。本文将详细介绍 scp 的使用方法…...
算法基础 - 二分查找
文章目录 二分查找算法通常应用于已排序的数组。以下是一个C实现的二分查找算法示例： #include <iostream> #include <vector>int binarySearch(const std::vector<int>& nums, int target) {int left 0;int right nums.size() - 1;while …...
权限掩码umask
1 、 设置新建文件或目录的默认权限 在 Linux 系统中，当用户创建一个新的文件或目录时，系统都会为新建的文件或目录分配默认的权限，该默认权限与umask 值有关，其具体关系是： 新建文件的默认权限 0666-umask 值 新建…...
5. CSS引入方式
5.1 CSS的三种样式 按照 CSS 样式书写的位置(或者引入的方式)，CSS样式表可以分为三大类： 1.行内样式表（行内式） 2.内部样式表（嵌入式） 3. 外部样式表（链接式） 5.2 内部样式表 …...
在Linux中，SElinux的作用是什么？如何临时和永久的更改SElinux上下文？
SELinux在Linux系统中扮演者至关重要的安全角色，它通过实施强制访问控制（Mandatory Access Control,MAC）策略来增强系统的安全性。不同于传统的用户和组权限管理机制（即自主访问控制DAC），selinux提供了一种…...
windows下，golang+vscode+delve 远程调试
1 现在远程服务器安装golang和delve golang的安装，通过官网直接下载安装包安装接口 go install github.com/go-delve/delve/cmd/dlvlatest 如果dlv和golang版本不匹配，这里把latest换成匹配的版本，比如1.20.0 2 编译带调试信息的程序 go bu…...
社交牛杂症？锂电系统有了DeviceNet转Profinet网关后，沟通无障碍
在锂电行业蓬勃发展的当下，自动化与智能化浪潮正席卷而来，这无疑对设备间的通信精准度与流畅性提出了严苛要求，而稳联技术Devicenet转Profinet网（WL-PN-DVNM）关恰是破局的关键利器。 此网关设备犹如一座桥梁࿰…...
C语言的正则表达式
C语言中的正则表达式 引言 正则表达式是一种用于描述字符串模式的工具，它可以用来进行字符串匹配、查找、替换等操作。在编程中，正则表达式被广泛应用于数据验证、信息提取等场景。C语言虽然没有内置的正则表达式支持，但通过一些库我们同样…...
Launcher3主页面加载显示流程分析
布局结构 抓取布局后，可以看到每个图标是一个DoubleShadowBubbleTextView，父布局是CellLayout、workspace。 我们可以在CellLayout添加子view打印出调用堆栈信息，可以整体上看页面加载显示流程。 主要类 Launcher.java：主界面&…...
机器学习算法---贝叶斯学习
1.了解相关概念 先验概率：有数据集d,以及假设h,此时h是不确定的。在还没有训练数据之前h的初始概率记为P(h),类似地我们把P(d)表示训练数据d在任何假设都未知或不确定时的概率。P(d|h)表示已知假设h成立时d的概率。 后验概率：就是在数据d上经过学习之后…...
PyCharm+RobotFramework框架实现UDS自动化测试——（二）RobotFramework环境配置
从0开始学习CANoe使用 从0开始学习车载测试 相信时间的力量 星光不负赶路者，时光不负有心人。 文章目录 1.环境准配2.Pycharm中相关配置2.1. 安装Hyper RobotFramework Support 3.脚本执行环境3.1 执行单条的配置3.2 执行全部用例配置 4.工程运行4.1 单条用例运行4.…...
colnames看似简单，却能优化数据处理流程
引言 在数据处理和分析中，变量名称是至关重要的，它们决定了数据的可读性和操作的简便性。在R语言中，colnames 函数以其简单的语法设计，提供了高效管理数据框列名的能力，尤其是在复杂的爬虫任务中显得尤为重要。本篇文…...
Spring Boot整合Minio实现文件上传
Spring Boot整合Minio后，前端的文件上传有两种方式： 文件上传到后端，由后端保存到Minio 这种方式好处是完全由后端集中管理，可以很好的做到、身份验证、权限控制、文件与处理等，并且可以做一些额外的业务逻辑…...
GitHub - riscv-software-src/riscv-isa-sim: Spike, a RISC-V ISA Simulator
GitHub - riscv-software-src/riscv-isa-sim: Spike, a RISC-V ISA Simulator 操作手册 $ apt-get install device-tree-compiler libboost-regex-dev libboost-system-dev $ mkdir build $ cd build $ ../configure --prefix$RISCV $ make $ [sudo] make install 具体安装 …...
ceph文件系统
ceph文件系统： 使用设备：4台机器 高度可扩展，分布式的存储文件系统，旨在提供高性能，高可靠性和高可用的对象存储，块存储，文件系统的存储 使用分布式的算法保证数据的高可用和一致性 ceph的架…...
模型创新、论文复现、科研辅导、论文代码定制
建模先锋团队长期致力于为用户提供优质的代码定制服务。团队提供全网最低价格的服务，同时保证高性价比和高质量的代码交付，为您提供个性化定制的服务。 以下是定制服务范围： 通过深度学习和信号处理技术，我们能够针对不同行业和场…...
【flink-cdc】flink-cdc 3版本debug启动pipeline任务，mysql-doris
官方文档 github仓库地址 Flink cdc debug调试动态变更表结构 经过测试使用，在启动任务配置Modify classpath添加jar的方式，容易出错classNotFoundException等等。 一、build project flink-cdc版本：3.2.1 mvn clean package "-Dma…...
mybatisX插件的使用，以及打包成配置
装mybatisX插件； idea连接数据库； 点击mybatisx-generator，设置自己装mybatisX插件； idea连接数据库； 点击mybatisx-generator，设置自己要的包和类； 如果要把自己的配置设置成一个自定义模板&a…...
pip下载包出现SSLError
报错： ERROR: Could not install packages due to an OSError: HTTPSConnectionPool(host‘files.pythonhosted.org’, port443): Max retries exceeded with url: /packages/8a/c2/ae7227e4b089c6a8210920db9d5ac59186b0a84eb1e6d96b9218916cdaf1/taming_transform…...
Linux下查看文件和文件夹占用空间大小
使用Linux命令，查看文件磁盘所占的空间大小，下面可以通过以下命令进行操作 df 可以查看一级文件夹大小、使用比例、档案系统及其挂入点，但对文件束手无策du 查看文件和文件夹的磁盘使用空间 在使用中，一般是df命令和du命令一起联…...
【论文+源码】基于Spring和Spring MVC的汉服文化宣传网站
为了实现一个基于Spring和Spring MVC的汉服文化宣传网站，我们需要创建一个简单的Web应用程序来展示汉服文化和相关信息。这个系统将包括以下几个部分： 数据库表设计：定义文章、用户和评论的相关表。实体类：表示数据库中的数据。DAO层接口及MyBatis映射文件：用于与数据库交…...
C++语言的学习路线
C语言的学习路线 C是一门复杂而强大的编程语言，由于其高性能和灵活性，受到了许多开发者和企业的青睐。无论是系统软件、嵌入式系统还是游戏开发，C都有非常广泛的应用。要掌握C这门语言，需要合理制定学习路线，并结合实…...
【OpenCV】使用Python和OpenCV实现火焰检测
1、 项目源码和结构（转） https://github.com/mushfiq1998/fire-detection-python-opencv 2、 运行环境 # 安装playsound：用于播放报警声音 pip install playsound # 安装opencv-python：cv2用于图像和视频处理，特别是…...
【ArcGISPro/GeoScenePro】解决常见的空间参考和投影问题
修复空间参考缺失的图像 数据 https://arcgis.com/sharing/rest/content/items/535efce0e3a04c8790ed7cc7ea96d02d/data 查看属性坐标 查看属性范围 范围值并不是零或接近于零。 这意味着栅格具有范围，因此其已正确进行...
Ruby语言的语法
Ruby语言的语法之美 Ruby是一种动态、开放源代码的编程语言，由日本的松本行弘（Yukihiro Matsumoto）于1995年首次发布。Ruby语言以其简洁、优雅和易于阅读的语法而闻名。它不仅适合初学者，还被广泛应用于Web开发、数据分析和其他领…...
)
概述（讲讲python基本语法和第三方库)
我是北子，这是我自己写的python教程，主要是记录自己的学习成果方便自己日后复习， 我先学了C/C，所以这套教程中可能会将很多概念和C/C去对比，所以该教程大概不适合零基础的人。 it seems that python nowadays 只在人工…...
程序包org.springframework.boot不存在
springBoot项目启动报错 程序包org.springframework.boot不存在 1、检查依赖 首先检查pom文件判断依赖是否存在 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter</artifactId><version>2.4.5…...
.NET Core FluentAPI
目录 约定配置 主要规则 两种配置方式 Data Annotation Fluent API Fluent API配置 Fluent API众多方法 选择 约定配置 主要规则 表名采用DbContext中的对应的DbSet的属性名。数据表列的名字采用实体类属性的名字，列的数据类型采用和实体类属性类型最兼容…...
浙江省自然资源厅：基于“浙里办”的自然资源移动政务服务创新实践——“浙里自然资源”
摘 要：本文基于浙江省自然资源移动政务服务的创新实践，设计和实现“浙里自然资源”应用，依托浙江省省域空间治理数字化平台特有的架构基础，在提升功能性和可用性、加强运营力度、丰富服务内容等方面采取了管理举措和技术创新。通…...
【Astro】如何在Astro上借助Cloudflare D1和Drizzle ORM打造全栈应用？一文带你搞定！
如何在Astro上借助Cloudflare D1和Drizzle ORM打造全栈应用？一文带你搞定！ 文章目录 如何在Astro上借助Cloudflare D1和Drizzle ORM打造全栈应用？一文带你搞定！前言一、Astro简介与优势二、Cloudflare D1简介三、Drizzle ORM简介四…...
【Axios使用手册】如何使用axios向后端发送请求并进行数据交互
axios 是一个基于 Promise 的 HTTP 客户端，用于浏览器和 Node.js。它支持请求和响应拦截、取消请求、自动转换 JSON 数据等功能，非常适合在现代 JavaScript 应用中进行网络请求。以下是对 axios 的详细讲解，包括安装、基本用法、高级功能等。…...
边缘计算应用十大领域
边缘计算解决了互联网的网速问题，作为实现边缘计算的基础，那边缘计算是5G与产业互联网、物联网时代的重要技术支撑，也正迎来广阔的增长空间。那么现在我们生活中有哪些领域正在使用边缘计算呢？今天我们来盘点一下我们身边正在使用…...
CSS 学习之 padding 与图形绘制
padding 属性和 background-clip 属性配合，可以在有限的标签下实现一些 CSS 图形绘制效果，我这里举两个小例子，重在展示可行性。 例 1:不使用伪元素，仅一层标签实现大队长的“三道杠”分类图标效果。此效果在移动端比较常见&…...
熔断器模式如何进入半开状态的
熔断器模式在进入打开状态并经过一段冷却时间后，会自动进入半开状态。这个过程是熔断器模式自我恢复机制的一部分，旨在测试下游服务是否已经恢复正常，从而决定是否重新允许请求通过。 1. 进入打开状态： • 当服务调用失败次数达到…...
数据结构：双向循环链表
双向循环链表（Doubly Circular Linked List） 双向循环链表是双向链表的一种变体，其特点是链表的头节点和尾节点相连，形成一个闭环。这种结构允许在链表中进行无缝的双向遍历，并且由于循环特性，可以从任何节…...
宝安湾区之光附近的钓鱼点
工作日的午休我经常在公司附近骑行，有时候也会骑行到宝安的湾区之光。但是我最感兴趣的除了湾区之光摩天轮，还有雷打不动的快乐钓鱼佬。 上图红框区域的河岸每天都会出现零零散散的快乐钓鱼佬，他们好像都有自己的钓鱼窝点。我发现来这里钓鱼也…...
【计算机网络】什么是AC和AP？
在现代的无线网络中，AC（Access Controller，接入控制器）和AP（Access Point，无线接入点）是两个至关重要的设备，它们在网络的管理、连接和优化中扮演着重要角色。理解它们的功能和区别&…...
python 词法分析
词法分析（Lexical Analysis）是编译器的第一步，它的任务是将源代码文本分割成一系列有意义的单元（称为“词法单元”或“Token”）。这些词法单元通常包括关键字、标识符、常量、运算符、分隔符等。 import re# 定义词法单…...
JUC--CAS原理（以Atomic报下类的实现来了解CAS的原理）
以Atomic来了解CAS的原理 六、无锁6.1CAS（Compare-And-Swap）原理6.2CAS与synchronized6.3Atomic（原子类）原理分析 6.4ABA问题6.4unsafe 六、无锁 6.1CAS（Compare-And-Swap）原理 CAS原理：CAS是…...
对比显式启用-u_printf_float和-u_scanf_float前后的代码内存体量实验
本文的嵌入式编译器基于GCC for ARM，构建文件基于Makefile。 main.c不编写任何代码，保证实验的其他变量统一。源文件main.c： 优化等级固定为 -Og ： syscalls.c 系统调用库函数文件参考：基于GCC for ARM交叉编译工具链…...
嵌入式 Linux LED 驱动开发实验
一、Linux 下 LED 灯驱动原理 a）地址映射 在编写驱动之前，我们需要先简单了解一下 MMU 这个神器， MMU 全称叫做 Memory Manage Unit，也就是内存管理单元。在老版本的 Linux 中要求处理器必须有 MMU，但是现在 Linux 内核已经支持无 MMU 的处理器了。 MMU 主要完成的功能如…...