如何用Python基于CSV图像数据生成SVM与朴素贝叶斯的准确率及混淆矩阵

一、整体思路概述 #

咱们的需求是处理CSV格式的图像数据（通常每行对应一个样本，第一列是类别标签，后续列是像素特征值），用Python实现SVM和朴素贝叶斯分类，最后输出两类模型的准确率和混淆矩阵。核心依赖scikit-learn库，搭配pandas做数据加载、numpy做数值处理，全程都是Python生态里的常用工具，上手很顺。

二、步骤拆解与代码实现 #

1. 依赖库安装 #

先确保你装好了所需工具包，终端执行：

pip install pandas numpy scikit-learn

2. 数据加载与预处理 #

CSV图像数据的常规结构：第一列是label（比如数字0-9、猫/狗分类标签），后面的列是每个像素的灰度值（0-255）或RGB通道值。

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# 1. 加载CSV数据（替换成你的文件路径）
data = pd.read_csv("your_image_data.csv")

# 2. 拆分特征与标签
X = data.drop("label", axis=1)  # 特征：所有像素列
y = data["label"]               # 标签：类别列

# 3. 划分训练集和测试集（8:2比例，stratify保证类别分布一致）
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42, stratify=y
)

# 4. 特征归一化（SVM对特征尺度敏感，必须做；朴素贝叶斯可省略，但做了也不影响）
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

3. SVM模型训练与评估 #

from sklearn.svm import SVC
from sklearn.metrics import accuracy_score, confusion_matrix

# 初始化SVM分类器（默认RBF核，高维图像数据也可以试试线性核linear，速度更快）
svm_clf = SVC(kernel="rbf", random_state=42)

# 训练模型
svm_clf.fit(X_train_scaled, y_train)

# 预测测试集
y_pred_svm = svm_clf.predict(X_test_scaled)

# 计算准确率
svm_acc = accuracy_score(y_test, y_pred_svm)
print(f"SVM分类准确率: {svm_acc:.4f}")

# 生成混淆矩阵
svm_cm = confusion_matrix(y_test, y_pred_svm)
print("SVM混淆矩阵:")
print(svm_cm)

4. 朴素贝叶斯模型训练与评估 #

图像像素是连续值（0-255），咱们用高斯朴素贝叶斯（GaussianNB）最合适；如果是离散计数特征可以换MultinomialNB：

from sklearn.naive_bayes import GaussianNB

# 初始化高斯朴素贝叶斯分类器
nb_clf = GaussianNB()

# 训练模型（朴素贝叶斯不需要归一化，用原始特征也可以，这里用归一化后的也没问题）
nb_clf.fit(X_train_scaled, y_train)

# 预测测试集
y_pred_nb = nb_clf.predict(X_test_scaled)

# 计算准确率
nb_acc = accuracy_score(y_test, y_pred_nb)
print(f"朴素贝叶斯分类准确率: {nb_acc:.4f}")

# 生成混淆矩阵
nb_cm = confusion_matrix(y_test, y_pred_nb)
print("朴素贝叶斯混淆矩阵:")
print(nb_cm)

5. 可选：可视化混淆矩阵 #

如果想更直观地看混淆矩阵，用seaborn画热力图就行：

pip install seaborn matplotlib

import seaborn as sns
import matplotlib.pyplot as plt

# 定义绘图函数
def plot_confusion_matrix(cm, class_names, title):
    plt.figure(figsize=(8,6))
    sns.heatmap(cm, annot=True, fmt="d", cmap="Blues", xticklabels=class_names, yticklabels=class_names)
    plt.title(title)
    plt.xlabel("预测标签")
    plt.ylabel("真实标签")
    plt.show()

# 获取类别名称（假设你的标签是0-9，替换成实际类别名即可）
class_names = np.unique(y).astype(str)

# 绘制SVM混淆矩阵
plot_confusion_matrix(svm_cm, class_names, "SVM分类混淆矩阵")

# 绘制朴素贝叶斯混淆矩阵
plot_confusion_matrix(nb_cm, class_names, "朴素贝叶斯分类混淆矩阵")

三、注意事项 #

• 如果你的CSV没有表头，记得用pd.read_csv("your_data.csv", header=None)，然后手动指定标签列：比如y = data.iloc[:, 0]，X = data.iloc[:, 1:]。
• SVM核函数选择：线性核适合高维图像数据，训练速度快；RBF核适合非线性分布，但大数据集下训练时间会更长，按需调整。
• 朴素贝叶斯假设特征独立，对于图像这种特征有相关性的数据，效果通常不如SVM，但胜在训练速度极快，适合做快速基准模型。

内容的提问来源于stack exchange，提问作者MASYAM