在这个 OpenCV 给出的例子中，训练集是 250 个，测试量也是一样的。但是，当测试和训练数量发生变化时，准确度会下降到 0。
# First half is trainData, remaining is testData
train_cells = [ i[:40] for i in cells ]
test_cells = [ i[40:] for i in cells]
train_amt = 200
responses = np.float32(np.repeat(np.arange(10),train_amt)[:,np.newaxis])
我已经从原始代码更改了上述行中的值。我究竟做错了什么？x 应该是什么？
OpenCV 提供的训练和测试数据：http ://wormassay.googlecode.com/svn/trunk/ThirdParty/OpenCV/samples/python2/data/digits.png
您的数据拆分是正确的。它为您提供0.0准确性的原因是您测量它的方式。
准确性检查通过以下方式完成：
mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size
通过新的拆分训练/测试，这不再正确。对于初学者来说result和responses的长度不同，因此mask是 简单的False。
所以，现在你想测量准确度，你需要reshape根据responses测试大小，而不是训练。工作代码仅将 200 更改为 300：
responses = np.float32(np.repeat(np.arange(10),300)[:,np.newaxis])
mask = result==responses
correct = np.count_nonzero(mask)
print correct*100.0/result.size
准确度下降了一点，但没有下降0.0，现在你处于93.1，这是正常的，因为你减少了训练的大小并增加了测试的数量。