AI Kuchan Labo.

import imageio
import numpy as np

# 写真は全て 75ピクセル × 75ピクセル のRGBカラー画像
PHOTO_SIZE = 75 * 75 * 3

# 空の配列（計測データ X と教師データ y）を用意する
X = np.empty((0, PHOTO_SIZE), np.uint8)
y = np.empty(0, np.uint8)

# 犬と猫の画像を配列形式で読み込んでXに格納（axis = 0で二次元配列の縦（行）に要素を追加する）
# y には 犬 なら 0, 猫 なら 1 で整数値のデータを追加
for i in range(1, 201):
    p1 = imageio.imread(f"dc_photos/dogs/dog-{i:03d}.jpg").reshape(1, PHOTO_SIZE)
    X = np.append(X, p1, axis = 0)
    y = np.append(y, np.array([0], dtype = np.uint8))
    
    p2 = imageio.imread(f"dc_photos/cats/cat-{i:03d}.jpg").reshape(1, PHOTO_SIZE)
    X = np.append(X, p2, axis = 0)
    y = np.append(y, np.array([1], dtype = np.uint8))

# Xおよびyの要素数を確認する
print("--------------配列の要素数----------------")
print("計測データ　Xの要素数 =",X.shape)
print("教師データ　yの要素数 =",y.shape)

# 300件目までを訓練データ、301件目以降をテストデータに分割する
X_train = X[:301] 
X_test  = X[301:]
y_train = y[:301]
y_test  = y[301:]

# 線形分類器を作成して訓練データを設定する
from sklearn.svm import SVC
classifier = SVC(kernel = "linear")
classifier.fit(X_train,y_train)

## テストデータを分類器にかける
y_pred = classifier.predict(X_test)

# 分類器の出力結果を表示する
print(y_pred)

# 正解を表示する
print(y_test)

# 混合行列を表示する
from sklearn import metrics
print(metrics.confusion_matrix(y_test, y_pred))

# 正答率を確認する
print(metrics.classification_report(y_test,y_pred))

             precision    recall  f1-score   support

          0       0.79      0.94      0.86        49
          1       0.93      0.76      0.84        50

avg / total       0.86      0.85      0.85        99