Obtenir le nom des images sur lesquelles SVM a mal prédit
Cours gratuit
Je travaille sur un modèle de classification binaire et je veux connaître les noms des images que le modèle a mal prédit. Comment puis-je faire cela ?
to_be_moved = random.sample(glob.glob("/content/COVID-19_Radiography_Dataset/COVID/images/*.png"), 1500)
label= 0
for img in tqdm(to_be_moved):
imgstate= cv2.imread(img,0)
resizedimage=cv2.resize(imgstate,(220,220))
fd = hog(resizedimage, orientations=9, pixels_per_cell=(2, 2),cells_per_block=(1,1), visualize=False, multichannel=False)
data.append([fd,label])
random.shuffle(data)
features= []
labels=[]
for feature , label in data :
features.append(feature)
labels.append(label)
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
X_train , X_test , y_train , y_test = train_test_split(features,labels, test_size=0.25)
model = SVC(C=1,kernel='linear',gamma ='auto' )
model.fit(X_train , y_train)
AfifK
Vous pouvez étendre le tuple de données pour inclure fd , pathofimage et label. Et puis après le fractionnement, vous pouvez ensuite après l'entraînement, le test, le fractionnement diviser le tuple et ainsi vous obtiendrez le chemin ainsi que les images qu'il a prédites. N'oubliez pas de régler le shuffle sur False