『sklearn学习』多种模型预测脸的下半部分的结果对比

# 预测脸的下半部分
import numpy as np
import matplotlib.pyplot as plt

from sklearn.datasets import fetch_olivetti_faces
from sklearn.utils.validation import check_random_state

from sklearn.ensemble import ExtraTreesRegressor
from sklearn.neighbors import KNeighborsRegressor
from sklearn.linear_model import LinearRegression
from sklearn.linear_model import RidgeCV

data = fetch_olivetti_faces()
targets = data.target

print data.images

data = data.images.reshape((len(data.images), -1))
train = data[targets < 30]    #  data 和 target 的行数必须要相同
test = data[targets >= 30]

n_faces = 5
rng = check_random_state(4)
"""
check_random_state 函数说明：
    将种子转换为np.random.RandomState实例
    如果seed为None，返回np.random使用的RandomState单例。
    如果seed是一个int，返回一个新的RandomState实例种子。
    如果seed已经是一个RandomState实例，则返回它。
    否则引发ValueError。
    提出修改建议
"""
face_ids = rng.randint(test.shape[0], size=(n_faces, ))
test = test[face_ids, :]

n_pixels = data.shape[1]
# 将图像分为上下部分
X_train = train[:, :np.ceil(0.5 * n_pixels)]
y_train = train[:, np.floor(0.5 * n_pixels):]
X_test = test[:, :np.ceil(0.5 * n_pixels)]
y_test = test[:, np.floor(0.5 * n_pixels):]

ESTIMATORS = {
    "Extra trees": ExtraTreesRegressor(n_estimators=10, max_features=32, random_state=0),
    "K-nn": KNeighborsRegressor(),
    "Linear regression": LinearRegression(),
    "Ridge": RidgeCV(),
}

y_test_predict = dict()
for name, estimator in ESTIMATORS.items():
    estimator.fit(X_train, y_train)
    y_test_predict[name] = estimator.predict(X_test)

image_shape = (64, 64)

n_cols = 1 + len(ESTIMATORS)
plt.figure(figsize=(2. * n_cols, 2.26 * n_faces))
plt.suptitle("Face completion with multi-output estimators", size=16)

for i in range(n_faces):
    true_face = np.hstack((X_test[i], y_test[i]))
    """
    hstack 函数说明：
        使多维数组变为一维数组，如：
        >>> c
        array([[ 1,  2,  3],
               [ 4,  5,  6],
               [ 7,  8,  9],
               [10, 11, 12]])
        >>> np.hstack(c)
        array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12])
        或者使两个数组合并为一个数组（但是行数必须要相同），如：
        >>> np.hstack((a, c))
        array([[1, 4, 7, 1, 2, 3],
               [2, 5, 8, 4, 5, 6],
               [3, 6, 9, 7, 8, 9]], dtype=int64)
    其它类似的函数如下：
    stack：沿着新轴连接数组序列。
  vstack：按照垂直（按行）顺序堆叠数组。
  dstack：按照深度顺序堆叠数组（沿第三轴）。
  concatenate：沿着现有轴连接数组序列。
  hsplit：沿第二轴拆分数组
    """

    if i:
        sub = plt.subplot(n_faces, n_cols, i * n_cols + 1)
    else:
        sub = plt.subplot(n_faces, n_cols, i * n_cols + 1, title="true faces")

    sub.axis("off")
    sub.imshow(true_face.reshape(image_shape), cmap=plt.cm.gray, interpolation="nearest")

    for j, est in enumerate(sorted(ESTIMATORS)):
        completed_face = np.hstack((X_test[i], y_test_predict[est][i]))

        if i:
            sub = plt.subplot(n_faces, n_cols, i * n_cols + 2 + j)
        else:
            sub = plt.subplot(n_faces, n_cols, i * n_cols + 2 + j, title=est)

        sub.axis("off")
        sub.imshow(completed_face.reshape(image_shape), cmap=plt.cm.gray, interpolation="nearest")

plt.show()