哎呀妈呀，你们有没有想过，为什么人类这么喜欢研究喵星人呢？是不是因为咱们喵星人长得太美了，让人类都自愧不如呀？哈哈，别看咱们喵星人平时懒洋洋的，其实咱们才是真正的“美颜相机”呢！

话说回来，最近有个科学家团队用机器学习算法来识别喵星人的品种，听起来是不是很神奇？让我来给你们详细说说吧！

他们找到了一个猫的品种列表，包括每个品种的图片和名称。然后，他们在网上搜索每个品种的图片，下载下来。为了避免算法过度训练，他们还删除了同一个场景中相同猫的图片。每个品种至少收集了5张图片，因为这是在Custom Vision上创建标签所需的数量。

不过，每个品种的训练图像数量不同，这可能会导致识别结果产生偏差。不过，至少我们意识到了算法中的潜在偏差。最后，他们收集了超过900张猫的图像，包含50个不同品种。完成数据收集后，他们将所有图像上传到Custom Vision，并将每张图像标记为相应品种。

接下来，只需点击一个按钮来训练算法，它就可以在几秒钟内进行猫的品种预测。怎么样，是不是很神奇？

那么，这个算法的性能如何呢？基于900张图像和50个品种标签，算法的性能还不错。毕竟，对于没有受过训练的人来说，判断猫品种间的细微差异也是很困难的。下面，让我们看看一些测试成功的例子。

哇，这个结果真是太准确了！

哎呀，这个猫咪也太可爱了吧！

哇，这个猫咪也太酷了吧！

不过，这个算法也不是没有缺陷的。下面，让我们看看一些预测失败的例子。

测试从背面拍摄的暹罗猫图像。结果呢？不可能是暹罗猫。哈哈，这个结果并不令人意外。因为所有训练图像集的暹罗猫都是面朝相机，而不是看向旁边的。

再来一张暹罗猫脸部特写。结果呢？11.1% 为暹罗猫。这个结果似乎与以前我家Sola脸部特写的测试结果类似。或许不仅仅通过猫的脸部来判断时，该算法的效果会更好。老实说，如果暹罗猫训练集有相似图像的情况下，结果可能会比11.1％要好。

下面，让我们测试一些不是猫的图像。比如狗、兔子、豚鼠。你们可能已经注意到，上面每个结果都有“猫”的标签。使用Custom Vision，你至少需要两个标签来标记每个图像。让我们来测试一下其他毛茸茸的动物图像。

哈哈，这个结果真是太逗了！

嗯，这个结果还可以。

哎呀，这个结果有点意外哦！

嗯，这个结果还可以。

哈哈，这个结果真是太逗了！

显然，如果看起来足够相似，该算法很难区分什么是猫，什么不是猫。经过训练的算法很可能是基于颜色、图案和整体形状来进行模糊匹配。

所以，给定粗略的训练集，经过训练的算法在特定的条件下能够很好地判断猫的品种。然而，对于没有训练过的项目，该算法表现不太好。所以在投入时间训练任何机器算法之前，对其能够处理的范围进行明确的定义是明智之举。

更多机器学习实战项目，扫描下方二维码或点击“阅读原文”。