Как предсказать конкретное изображение (из или вне набора данных) после тренировки классификатора KNN

Question

У меня есть простая проблема классификации KNN, вывод кода ниже - это точность классификатора, полученная после обучения классификатора и разбиения набора данных на «поезд» и «тест».

Что я хочумоя система похожа на:

• Сначала обучите классификатор с использованием набора данных;
• Загрузите изображение с URL;
• Классифицируйте его в соответствии с набором данных.

Например, на выходе должен быть «класс 1».Я считаю, что это просто, но я довольно плохо знаком с Python.

from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=5)

dataset = pd.read_csv(fdes)

X = dataset.iloc[:,:20].values
y = dataset['target'].values


from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20)

from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)
neigh.fit(X_train, y_train)

# Predicting the Test set results
y_pred = neigh.predict(X_test)

y_compare = np.vstack((y_test,y_pred)).T

from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_pred)
#finding accuracy from the confusion matrix.
a = cm.shape
corrPred = 0
falsePred = 0

    #prining results
for row in range(a[0]):
    for c in range(a[1]):
        if row == c:
            corrPred +=cm[row,c]
        else:
            falsePred += cm[row,c]
kernelRbfAccuracy = corrPred/(cm.sum())
print ('Accuracy of  knn : ', corrPred/(cm.sum()))

Answer 1

После всех этих шагов вы можете продолжить:

from io import BytesIO
import numpy as np
import requests
from PIL import Image

response = requests.get(url)
img = Image.open(BytesIO(response.content))
img = np.array(img).reshape(1, -1)
output_class = neigh.predict(img)[0]
print(output_class)