Sketchify：基于Google Quick Draw数据集的绘画分类工具包

Sketchify是基于Google Quick Draw数据集的绘画分类工具包，实现了从传统机器学习（如朴素贝叶斯、KNN、SVM、XGBoost）到深度学习（RNN）的多种分类器，是学习图像/序列分类算法的优秀实践案例。

• 原作者/维护者：slxppin
• 来源平台：GitHub
• 原始链接：https://github.com/slxppin/Sketchify-A-Quick-Draw-drawing-classifier
• 发布时间：2026-06-07

项目使用的Google Quick Draw数据集是Google发布的大规模手绘草图数据集，包含数百万用户绘制的简单图形，每个样本为笔画坐标序列，适合序列建模。

分类器实现

• 传统机器学习：高斯朴素贝叶斯、KNN、SVM、逻辑回归、XGBoost
• 深度学习：基于PyTorch的RNN（捕捉笔画时间依赖性）

特征工程

• PCA降维
• 序列前向选择（SFS）特征选择
• K折交叉验证确保评估稳健性

技术栈

Python、NumPy、Pandas、Matplotlib、Seaborn、Scikit-learn、PyTorch、XGBoost

项目结构

各分类器有独立脚本（如gaussian_naive_bayes.py、rnn.py），可视化脚本为visualize_results.py

数据可视化

使用Matplotlib和Seaborn实现：混淆矩阵、特征重要性、PCA可视化

使用流程

1. 克隆仓库
2. 安装依赖
3. 下载Google Quick Draw数据集放入data目录
4. 运行分类器脚本
5. 执行可视化脚本

学习价值

• 同一数据集对比多种算法
• 实践特征工程技术
• 入门序列建模（RNN应用）
• 完整端到端流程演示

扩展可能

• 尝试Transformer、CNN+LSTM混合架构
• 实现实时绘画识别界面
• 添加数据增强
• 多标签分类系统
• 移动端应用

总结

Sketchify结构清晰、文档完善，展示了分类算法、特征工程、可视化的最佳实践，是图像/序列分类学习的优秀案例。