Python _IMU_GravityAttitude＿SVM_classification

py_seaborn_IMU_lacc3_def_rev06

#coding utf-8
import datetime
import pickle  # モデルをファイルとして使用する用
import keyboard
import numpy as np  # numpyで2次元配列を扱うため

import serial # シリアル通信を行うため
from sklearn.svm import SVC, SVR  # 学習用
import csv
import os
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import time
#----------Global variable----------------

X = []
Y = []

def  serTch(filenamei,length:int,gestures:int,cmN):
        #X = []
        #Y = []
        wr=[]
        print("serTch INN")
        path = os.getcwd()
        print(path)
        print(type(path))
        #length = 100 #ジェスチャの長さ（連続で受信するデータの個数）
        #gestures = 3 #ジェスチャの種類の数
        times = 1 #各ジェスチャを行う回数
        #====================================================
       #now = datetime.datetime.now()
        #name = now.strftime('%m%d_%H%M')
        #filenamei ='imu.csv'
        #filename = 'model_' + name + '.sav'  # 入力した名前の学習モデルのファイル名
        #filename = 'model.sav'  # 入力した名前の学習モデルのファイル名
        print('Connecting...')
        ser = serial.Serial(cmN,115200,timeout=None) #ポート番号19からシリアル受信
        print("-----Input  c:CreateModel,g:Gesture Measuring +ENTER")
        print("filenamei="+filenamei+"length="+str(length)+"gestures="+str(gestures))
        #mx = []  # 各軸ごとの配列を初期化
        #my = []
        #mz = []
        with open(filenamei, 'w', newline='') as f:
                        writer = csv.writer(f)
                        for i in range(gestures * times):
                                cnt = 0 #受信したデータのカウント用
                                gesture_num = i  % gestures + 1 #ジェスチャ番号を指定
                                print('Push a then Do gesture No.', gesture_num)
                                while True:
                                    line=ser.readline()#Binary
                                    linestr= line.decode('utf8')#バイナリーをASCII変換
                                    strarr=linestr.split(',')
                                    datano=strarr[0]
                                    x=strarr[1]
                                    y=strarr[2]
                                    z=strarr[3]
                                    tim=strarr[4]

                                    if keyboard.is_pressed('a'):
                                        print("key hit")
                                        switch = "a"
                                    else:
                                        switch=''

                                    if switch =='a' and cnt == 0: #クリックされたらカウント開始
                                        print("cnt=1")
                                        cnt = 1

                                    if cnt != 0: #ジェスチャ中a
                                        #print("In gestureNo"+str(gesture_num)+" datacnt="+str(cnt))

                                        print("In gestureNo"+str(gesture_num)+'datanp=' + datano + ',x=' + x + 'y=' + y+ 'z=' + z + 'tim=' + tim)
                                        #mx.append(x.rstrip('\r\n'))  # シリアルから受け取ってたデータのゴミを取って配列へ追加
                                        #my.append(y.rstrip('\r\n'))
                                        #mz.append(z.rstrip('\r\n'))
                                        cnt += 1
                                        if cnt == length: #lengthまでいったら次のジェスチャ待ちへ
                                            print("length Up")
                                            break
                                        print("CSV:gnum="+str(gesture_num)+"x="+x+"y="+y+"z="+z)
                                        wr = [gesture_num,x, y, z]
                                        writer.writerow(wr)
                                #Y.append(str(gesture_num))  # 学習ラベル用リストへ追加
                                #m = mx + my + mz #三軸の加速度を横一列にする
                                #X.append(m) #学習データ用リストへ追加
                                #print("Xappend:Gesture_num="+str(gesture_num))
                                #print(X)


                        print("serial closed")
                        ser.close()  # シリアルを閉じ
        f.close()  # isn't actually needed
                        #print("def result:")
                        #print(X)
                       # print(Y)
        #return  [X,Y]
#==========================================================================
# def onerow(matrix)  　行列の行を１行にまとめる
def onerow(matrix):
        target=[]
        rown=matrix.shape[0]
        coln=matrix.shape[1]

        for i in range(rown):
            for j in range(coln):
                target.append(str(matrix[i,j]))

        return target

# -----------main---------------------------------------
while True:
            print("-----Input  c:CreateModel,g:Gesture Measuring +ENTER")
            keys = input()
            millisec = time.time() * 1000
            if keys == 'c':
                serTch('imu.csv',100,3,'COM28')
                df = pd.read_csv("imu.csv", sep=",", header=None, names=['gnum', 'gx', 'gy', 'gz'])
                print(df)
                #----------データフレームをターゲット別に分割してnumpy行列に変換----------------
                df1 = df.loc[df['gnum'] == 1, :]  # gnu
                df1t=df1.T
                arr1=df1t.values
                arr1 = arr1[1:4, :]
                print("arr1=",end='')
                print(arr1.shape)
                print(arr1)
                result1=onerow(arr1)
                df2 = df.loc[df['gnum'] == 2, :]  # gnu
                df2t=df2.T
                arr2=df2t.values
                arr2 = arr2[1:4, :]
                result2 = onerow(arr2)
                df3 = df.loc[df['gnum'] == 3, :]  # gnu
                df3t=df3.T
                arr3=df3t.values
                arr3 = arr3[1:4, :]
                result3 = onerow(arr3)
                print("result1,2,3=")
                print(result1)
                print(result2)
                print(result3)
                X=[result1,result2,result3]
                #X= np.array(X, dtype="<U")
                #listを合体してXを作成
                Y=['1','2','3']
                print("---X=",end='')
                print(X)
                print("---Y=",end='')
                print(Y)
                #X = np.array(X).reshape(-1, 1)


                # SVM start
                #X = np.array(X).reshape(-1, 1)
                model = SVC(kernel = 'linear', C=1, gamma=1) #学習モデルのパラメータを指定
                model.fit(X,np.ravel(Y)) #学習を行う
                with open('model.sav', 'wb') as fp_model:  # 学習モデルを保存するためのファイルを開く
                    pickle.dump(model, fp_model)  # モデルを保存
                print('Model created.')
                #model.fit(X, Y)  # 学習を行う
                # %% サポートベクターマシン分類して性能評価指標算出
                from sklearn.svm import SVC
                from sklearn.metrics import accuracy_score, f1_score

                # X = iris[['petal_width', 'petal_length']].values  # 説明変数
                # y = iris['species'].values  # 目的変数(3種類のアヤメ種類)
                #clf = SVC()  # SVM分類用インスタンス
                #clf.fit(X, Y)  # 学習
                y_pred = model.predict(X)  # 推論
                print(f'Accuracy={accuracy_score(Y, y_pred)}')  # 正解率を表示
                print(f'F1={f1_score(Y, y_pred, average="macro")}')  # F1-Macroを表示
                from seaborn_analyzer import classplot

                classplot.class_separator_plot(model, ['gx','gy'],'gnum', df)
                classplot.class_separator_plot(model, ['gy', 'gz'], 'gnum', df)
                classplot.class_separator_plot(model, ['gz', 'gx'], 'gnum', df)
                plt.show()
                # CSV読み込みして散布図プロット
                #df = pd.read_csv("imu.csv", sep=",", header=None, names=['gnum', 'gyX', 'gyY', 'gyZ'])

                #df = pd.read_csv("imu.csv", sep=",", header=None, names=['gnum', 'acX', 'acY', 'acZ'])
                print(df)
                print(len(df.columns))
                print(df.info())

                sns.pairplot(df, hue='gnum')
                plt.tight_layout()
                plt.show()
                sns.lineplot(df)
                plt.show()
                #df = pd.DataFrame(model)
                #sns.pairplot(df, height=1.5)


             #-----------------------------start gesture measuring-----------------------------------------------
            elif keys=='g':
                        print("=================Test Input MODE================ ")
                        serTch('imut.csv', 100, 1, 'COM28')


                        #print(loaded_model)
                        print('Do any gesture!')
                        with open('imut.csv', 'rb') as fs:
                            writer = csv.writer(fs)
                        dfs = pd.read_csv("imut.csv", sep=",", header=None, names=['gnum', 'gx', 'gy', 'gz'])
                        print(dfs)

                        # ----------データフレームをターゲット別に分割してnumpy行列に変換----------------
                        df1 = dfs.loc[dfs['gnum'] == 1, :]  # gnu
                        df1t = df1.T
                        arr1 = df1t.values
                        arr1 = arr1[1:4, :]

                        result1 = onerow(arr1)
                        print("result1=", end='')
                        print(result1)
                        X = [result1]
                        #X = np.array(X, dtype="<U")
                        #X=[['-0.07','-6.71','7.1']]
                        print("X=", end='')
                        print(X)
                #======================== predict===============================
                        with open('model.sav', 'rb') as fp_model:  # 学習モデルファイルを開く
                            loaded_model = pickle.load(fp_model)  # モデルをロード
                            print("loaded file= model.sav")
                        pre = loaded_model.predict(X)  # ジェスチャの判定
                        print('pre=')
                        print( pre)
                        #sns.lineplot(dfs)
                        #plt.show()