1、背景与挖掘目标

有经验的从事渔业生产的从业者可通过观察水色变化调控水质，以维持养殖体系水体生态系统中浮游植物、微生物类、浮游动物等合理的动态平衡。由于这些多是通过经验和肉眼观察进行判断的，存在主管性引起的观察性偏倚，使观察结果的可比性、可重复性降低，不易推广应用。当前，数字图像处理技术是基于计算机视觉的，以专家经验为基础，对池塘水色进行优劣分级，实现对池塘水色的准确快速判别。

2、从采集到的原始水样图像中进行选择性抽取与实时抽取，形成建模数据和增量数据。

3、对（2）中形成的两个数据集进行数据预处理，包括图像切割和颜色矩特征提取。

4、利用（3）形成的已完成数据预处理的建模数据，由有经验的专家对水样图像根据经验进行分类，构建专家样本。

5、利用（4）的专家样本构建分类模型。

特征的取值范围都在0~1之间，也就是说，如果直接输入SVM模型的话，彼此之间区分度会比较好，因此不妨将所有特征都统一乘以一个适当的常数k，从而提高区分度和准确率。常数k的选取不能过大也不能过小，过小导致区分度较低，模型精确度差，较大则容易导致模型在训练样本中过拟合。可以根据测试准确率来选择k的最优值。

6、利用（5）的构建好的分类模型进行水质评价。

#coding:utf-8

import pandas as pd

inputfile = './data/moment.csv'    #数据文件
data = pd.read_csv(inputfile, encoding='gbk')     #读取数据，指定编码为gbk
data = data.as_matrix()     #将读取的数据转化为矩阵

from random import shuffle   #引入随机函数

shuffle(data)    #随机打乱数据
data_train = data[:int(0.8*len(data)), :]     #选取前80%为训练数据 逗号左边是行范围，逗号右边列范围，结果切片
data_test = data[int(0.8*len(data)):, :]      #选取后20%为测试数据

x_train = data_train[:, 2:]*30      #放大特征
y_train = data_train[:, 0].astype(int)
x_test = data_test[:, 2:]*30        #放大特征
y_test= data_test[:, 0].astype(int)

#导入模型相关函数，建立并且训练模型
from sklearn import svm
model = svm.SVC()
model.fit(x_train, y_train)
import pickle
pickle.dump(model, open('./tmp/svm.model','wb'))
#最后一句保存模型，以后可以通过下面语句重新加载模型
# model = pickle.load(open('./tmp/svm.model','rb'))

#导入输出相关的库，生成混淆矩阵
from sklearn import metrics
cm_train = metrics.confusion_matrix(y_train, model.predict(x_train))   #训练样本的混淆矩阵
cm_test = metrics.confusion_matrix(y_test, model.predict(x_test))      #测试样本的混淆矩阵

#保存结果
outputfile1 = './tmp/cm_train.xls'
outputfile2 = './tmp/cm_test.xls'
pd.DataFrame(cm_train).to_excel(outputfile1)
pd.DataFrame(cm_test).to_excel(outputfile2)

cm_train.xls
	0	1	2
0	108	0	0
1	0	35	0
2	3	0	16

cm_test.xls
	0	1	2	3
0	13	0	0	0
1	2	11	0	0
2	1	0	13	0
3	0	1	0	0