Python机器学习原理算法及案例实战-微课视频版课件第章-Python常用机器学习库-其他库.pptxVIP

;第3章Python常用机器学习库;3.4OpenCV;1.OpenCV窗口操作;2)destroyAllWindows()与DestroyWindow(stringwinName);1.OpenCV处理图像;;?【例3.67】;2)图像的通道拆分与合并;2.OpenCV捕获摄像头图像;【例3.69】捕获摄像头图像。;2)摄像头范围内的人脸检测;【例3.70】检测摄像头范围内的人脸;3.5Scikitlearn;;Scikitlearn算法地图;3.5.2SKlearn的一般步骤;?获取数据，创建数据集;使用比较著名的是鸢尾花数据集，调用如下：;【例3.71】查看iris数据集。;3.6其他常用模块;3.6.1Wordcloud制作词云;;【例3.72】文本信息制作词云图;fromwordcloudimportWordCloud

importmatplotlib.pyplotasplt;【例3.73】指定背景图片的词云;fromwordcloudimportWordCloud

importmatplotlib.pyplotasplt

fromimageioimportimread

#打开文本文件

text=open(song.txt,r).read()

#读入背景图片

bg_pic=imread(notation.png)

#生成词云

stopwd=[is,a,the,to,of,in,on,at,and]

wdcd=WordCloud(mask=bg_pic,background_color=white,scale=1.5,stopwords=stopwd)

wdcd=wdcd.generate(text)

plt.imshow(wdcd)

plt.axis(off);3.6.2Jieba中文分词;2.自然语言处理的主要步骤;1)TF-IDF关键词提取;2）文本向量化;3.中文分词工具---Jieba;1）Jieba的三种分词模式：;Jieba分词通过其提供的cut方法和cut_for_search方法来实现的，

jieba.cut_for_search方法更适合搜索引擎。;【例3.74】jieba中文分词。;;2）词性标注;3.6.3PIL;;;fromPILimportImage

img1=Image.open(1.jpg)

img1=img1.convert(RGBA);convert(RGBA)

ret是布尔值，如果读取

Scikitlearn的简称是SKlearn，Python中实现机器学习的模块。

IMREAD_GRAYSCALE

save(blend.

?minNeighbors：表示构成检测目标的相邻矩形的最小个数，默认为3个。

?通过词云，可以突出展示高频高质的信息,凸显数据所体现的主旨。

2)图像的通道拆分与合并

74】jieba中文分词。

SKlearn包含了许多最常见的机器

TF-IDF（term

?minSize，maxSize:限制目标区域的范围。

?词性也称为词类，是词汇基本的语法属性。

到了正确的帧，则返回True；

?Sentence：需要分词的字符串;3.查找图像边缘;;fromPILimportImage,ImageFilter;3.7本章习题;