人脸识别python代码187268

此资源主要是python代码 涵盖了人脸识别，深度学习，卷积神经网络等一些列的算法程序

# -*- coding: utf-8 -*-
“““
Created on Fri Jul 10 22:04:33 2015

@author: wepon
“““

import numpy as np

class DecisionTree:
    “““决策树使用方法：
    
        - 生成实例： clf = DecisionTrees（）. 参数mode可选，ID3或C4.5，默认C4.5
        
        - 训练，调用fit方法： clf.fit（Xy）.  Xy均为np.ndarray类型
                            
        - 预测，调用predict方法： clf.predict（X）. X为np.ndarray类型
                                 
        - 可视化决策树，调用showTree方法 
    
    “““
    def __init__（selfmode=‘C4.5‘）:
        self._tree = None
        
        if mode == ‘C4.5‘ or mode == ‘ID3‘:
            self._mode = mode
        else:
            raise Exception（‘mode should be C4.5 or ID3‘）
        
            
    
    def _calcEntropy（selfy）:
        “““
        函数功能：计算熵
        参数y：数据集的标签
        “““
        num = y.shape[0]
        #统计y中不同label值的个数，并用字典labelCounts存储
        labelCounts = {}
        for label in y:
            if label not in labelCounts.keys（）: labelCounts[label] = 0
            labelCounts[label] += 1
        #计算熵
        entropy = 0.0
        for key in labelCounts:
            prob = float（labelCounts[key]）/num
            entropy -= prob * np.log2（prob）
        return entropy
    
    
    
    def _splitDataSet（selfXyindexvalue）:
        “““
        函数功能：返回数据集中特征下标为index，特征值等于value的子数据集
        “““
        ret = []
        featVec = X[:index]
        X = X[:[i for i in range（X.shape[1]） if i!=index]]
        for i in range（len（featVec））:
            if featVec[i]==value:
                ret.append（i）
        return X[ret:]y[ret]
    
    
    def _chooseBestFeatureToSplit_ID3（selfXy）:
        “““ID3
        函数功能：对输入的数据集，选择最佳分割特征
        参数dataSet：数据集，最后一列为label
        主要变量说明：
                numFeatures：特征个数
                oldEntropy：原始数据集的熵
                newEntropy：按某个特征分割数据集后的熵
                infoGain：信息增益
                bestInfoGain：记录最大的信息增益
                bestFeatureIndex：信息增益最大时，所选择的分割特征的下标
        “““
        numFeatures = X.shape[1]
        oldEntropy = self._calcEntropy（y）
        bestInfoGain = 0.0
        bestFeatureIndex = -1
        #对每个特征都计算一下infoGain，并用bestInfoGain记录最大的那个
        for i in range（numFeatures）:        
            featList = X[:i]
            uniqueVals = set（featList）
            newEntropy = 0.0
            #对第i个特征的各个value，得到各个子数据集，计算各个子数据集的熵，
            #进一步地可以计算得到根据第i个特征分割原始数据集后的熵newEntropy
            for value in uniqueVals:
                sub_Xsub_y = self._splitDataSet（Xyivalue）
                prob = len（sub_y）/float（len（y））
                newEntropy += prob * self._calcEntropy（sub_y）  
            #计算信息增益，根据信息增益选择最佳分割特征
            infoGain = oldEntropy - newEntropy
            if （infoGain > bestInfoGain）:
                bestInfoGain = infoGain
                bestFeatureIndex = i
        return bestFeatureIndex
        
    def _chooseBestFeatureToSplit_C45（selfXy）:
        “““C4.5
            ID3算法计算的是信息增益，C4.5算法计算的是信息增益比，对上面ID3版本的函数稍作修改即可
        “““
        numFeatures = X.shape[1]
        ol

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-07-28 09:44  MachineLearning-master\
     文件         180  2017-07-28 09:44  MachineLearning-master\.gitignore
     目录           0  2017-07-28 09:44  MachineLearning-master\DecisionTree\
     文件        9244  2017-07-28 09:44  MachineLearning-master\DecisionTree\id3_c45.py
     文件        1304  2017-07-28 09:44  MachineLearning-master\DecisionTree\readme.md
     文件        3283  2017-07-28 09:44  MachineLearning-master\DecisionTree\treePlotter.py
     目录           0  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\
     目录           0  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\cnn_LeNet\
     文件       12645  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\cnn_LeNet\convolutional_mlp.py
     文件       20706  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\cnn_LeNet\convolutional_mlp_commentate.py
     目录           0  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\dive_into_keras\
     文件        2197  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\dive_into_keras\cnn-svm.py
     文件        2550  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\dive_into_keras\cnn.py
     文件         756  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\dive_into_keras\data.py
     文件        1432  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\dive_into_keras\get_feature_map.py
     文件        3300  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\dive_into_keras\README.md
     目录           0  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\FaceRecognition_CNN（olivettifaces）\
     文件     1182905  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\FaceRecognition_CNN（olivettifaces）\olivettifaces.gif
     文件       15554  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\FaceRecognition_CNN（olivettifaces）\train_CNN_olivettifaces.py
     文件        7042  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\FaceRecognition_CNN（olivettifaces）\use_CNN_olivettifaces.py
     目录           0  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\keras_usage\
     文件        5233  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\keras_usage\cnn.py
     文件         764  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\keras_usage\data.py
     文件        9005  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\keras_usage\README.md
     目录           0  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\mlp\
     文件       14181  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\mlp\mlp.py
     文件       17794  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\mlp\mlp_with_commentate.py
     文件         527  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\readme.md
     目录           0  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\Softmax_sgd（or logistic_sgd）\
     文件        9456  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\Softmax_sgd（or logistic_sgd）\logistic_sgd.py
     文件       19117  2017-07-28 09:44  MachineLearning-master\DeepLearning Tutorials\Softmax_sgd（or logistic_sgd）\logistic_sgd_commentate.py
............此处省略613个文件信息