王 含

（青島科技大學(xué)，山東 青島 266061）

1 領(lǐng)型的分類

服裝的領(lǐng)型設(shè)計(jì)屬于服裝零部件設(shè)計(jì)之一。領(lǐng)子所處的位置靠近頭部，映襯臉部，很容易形成視覺的焦點(diǎn)[1]。常見的領(lǐng)型有圓領(lǐng)、方形領(lǐng)、V領(lǐng)、一字領(lǐng)、彼得潘領(lǐng)、翻領(lǐng)、駁領(lǐng)、立領(lǐng)等。本研究選取領(lǐng)面、領(lǐng)座、駁頭這3個(gè)造型要素，分為不同形態(tài)下有無(wú)領(lǐng)面、領(lǐng)座、駁頭產(chǎn)生的5種不同領(lǐng)型：無(wú)領(lǐng)、立領(lǐng)、翻領(lǐng)、駁領(lǐng)、平貼領(lǐng)，另外還有一種特殊的領(lǐng)型—連帽領(lǐng)，將這6種領(lǐng)型作為領(lǐng)型的分類標(biāo)準(zhǔn)。

2 構(gòu)建國(guó)際知名女裝品牌領(lǐng)型設(shè)計(jì)數(shù)據(jù)庫(kù)

2.1 數(shù)據(jù)集的構(gòu)建

2.1.1 構(gòu)建原始圖像數(shù)據(jù)庫(kù)

根據(jù)多元線性回歸模型的要求，本研究以具有代表性的10個(gè)國(guó)際知名品牌（Chanel、Christian Dior、Louis Vuitton、Giorgio Armani、Givenchy、Saint Laurent、Versace、Valentino、Hermès、Burberry）為研究對(duì)象，搜集Vogue Runway官網(wǎng)2016—2020年，F(xiàn)all Couture、Fall Ready-to-Wear、Pre-Fall、Resort、Spring Couture、Spring Ready-to-wear系列近5年的所有圖片構(gòu)成原始圖像數(shù)據(jù)庫(kù)，這些系列出自倫敦、米蘭、紐約和巴黎四大國(guó)際時(shí)裝周[2]。

2.1.2 圖片分析與預(yù)處理

所有原始圖片按照季度、年份、系列、品牌（數(shù)字）、X領(lǐng)等基本信息進(jìn)行分類歸檔，最終以JEPG圖像格式存儲(chǔ)于原始圖像數(shù)據(jù)庫(kù)中。該數(shù)據(jù)庫(kù)共存儲(chǔ)10個(gè)品牌2016年春夏至2020年秋冬12季共12 662張圖片。

2.2 統(tǒng)計(jì)數(shù)據(jù)庫(kù)各領(lǐng)型百分比

用Python調(diào)用os和glob包遍歷文件夾，按照年份和季節(jié)，統(tǒng)計(jì)各種領(lǐng)型的數(shù)量和該領(lǐng)型的占比百分?jǐn)?shù)，整理成Excel表格。

2.3 流行程度的數(shù)值化處理

參考《用回歸分析法預(yù)測(cè)服裝流行色》一文中作者對(duì)流行色數(shù)值化的處理方法，對(duì)Excel表格里各領(lǐng)型的占比百分?jǐn)?shù)進(jìn)行流行程度的權(quán)重定義。若百分比為0，流行程度的定義標(biāo)簽為0；百分比在（0，11），定義標(biāo)簽為1；百分比在[11，20），定義標(biāo)簽為2……以此類推，并在Python調(diào)用os和glob包遍歷文件夾統(tǒng)計(jì)后，將得到的領(lǐng)型占比結(jié)果與定義流行程度的結(jié)果繪制在同一張Excel表格中。定義后的流行程度權(quán)重賦值如表1所示[3]。

表1 流行程度權(quán)重表

3 多元線性回歸模型預(yù)測(cè)法在領(lǐng)型設(shè)計(jì)中的應(yīng)用

3.1 模型預(yù)測(cè)流程

第一步，選擇合適的模型，對(duì)模型的好壞進(jìn)行評(píng)估；第二步，構(gòu)建數(shù)據(jù)集，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，處理缺失值、異常值；第三步，利用數(shù)據(jù)歸一化統(tǒng)一數(shù)據(jù)的維度，既可以加快梯度下降，尋求最優(yōu)解的速度，又可以提高預(yù)測(cè)的準(zhǔn)確性；第四步，通過(guò)機(jī)器監(jiān)督學(xué)習(xí)樣本，訓(xùn)練模型，推導(dǎo)回歸參數(shù)；第五步，得到測(cè)試結(jié)果和擬合圖，利用mse評(píng)價(jià)模型好壞。模型預(yù)測(cè)流程如圖1所示。

圖1 模型預(yù)測(cè)流程

3.2 基于梯度下降的多元線性回歸模型

多元線性回歸模型運(yùn)用的是機(jī)器學(xué)習(xí)中有監(jiān)督學(xué)習(xí)的方法。有監(jiān)督學(xué)習(xí)是指利用輸入數(shù)據(jù)及其對(duì)應(yīng)的標(biāo)簽來(lái)訓(xùn)練模型[4]。關(guān)于服裝領(lǐng)型設(shè)計(jì)的研究屬于預(yù)測(cè)連續(xù)值的有監(jiān)督學(xué)習(xí)。在有監(jiān)督學(xué)習(xí)中，數(shù)據(jù)=（特征，標(biāo)簽），如果預(yù)測(cè)的是離散值，此類學(xué)習(xí)任務(wù)稱為分類；如果預(yù)測(cè)的是連續(xù)值，此類學(xué)習(xí)任務(wù)則稱為回歸[5]。

設(shè)定test.csv、train.csv、train2.csv、result.csv 4個(gè)數(shù)據(jù)文件夾，test.csv是測(cè)試數(shù)據(jù)集，train.csv是年份和季節(jié)，train2.csv是流行程度，result.csv是輸出的流行程度的預(yù)測(cè)值。選擇基于梯度下降的線性回歸模型，通過(guò)算法擬合就可以得到不同領(lǐng)型的多元線性回歸方程，繪制出領(lǐng)型隨年份、季節(jié)影響波動(dòng)的流行程度的擬合圖。

其中，梯度下降[6]的目的是通過(guò)迭代找到目標(biāo)函數(shù)的最小值，或者將目標(biāo)函數(shù)收斂到最小值，尋找函數(shù)的最優(yōu)解。均方誤差用來(lái)評(píng)價(jià)數(shù)據(jù)的變化程度，mse的值越小，說(shuō)明預(yù)測(cè)模型描述的最優(yōu)解精度越高。

3.3 多元線性回歸方程的推導(dǎo)

一個(gè)因變量與大于等于兩個(gè)預(yù)測(cè)變量之間的聯(lián)系被稱為多元相關(guān)，在這種情況下作出的預(yù)測(cè)被稱為多元回歸[6]。多元線性回歸方程表示影響領(lǐng)子流行程度的因素有多個(gè)，且這些影響因素與因變量呈線性關(guān)系。假設(shè)多元線性回歸模型如下：

式中，y為因變量，x1，x2…xm-1為自變量；β0，β1，β2，…βm-1是m個(gè)回歸系數(shù)；ε是均值為零、方差為σ2＞0的隨機(jī)變量，稱為誤差項(xiàng)，并通常假定ε～N（0，σ2）。

通過(guò)算法得到不同領(lǐng)型的回歸預(yù)測(cè)方程，其中，y—流行程度；x1—年份，x2—季節(jié)。不同領(lǐng)型的回歸方程的回歸預(yù)測(cè)值和mse偏差值如表2所示，將所有領(lǐng)型的回歸方程進(jìn)行整合，用matplotlib畫出擬合折線圖（圖2）。

表2 領(lǐng)型回歸方程預(yù)測(cè)值和mse偏差值

圖2 領(lǐng)型擬合曲線

擬合圖中，橫坐標(biāo)0～20表示2016—2020年一共20個(gè)季度連續(xù)的流行程度數(shù)據(jù)，縱坐標(biāo)表示流行度的數(shù)值，x1、x2前面的回歸系數(shù)分別表示流行程度與年份、季節(jié)的相關(guān)性?；貧w系數(shù)絕對(duì)值的大小表示相關(guān)性的強(qiáng)弱程度。系數(shù)為正數(shù)，則表示流行度與年份或季節(jié)呈正相關(guān)，說(shuō)明隨著時(shí)間的增長(zhǎng)，流行程度也增長(zhǎng)；反之說(shuō)明隨著時(shí)間的增長(zhǎng)，流行程度反而降低，這種類型的領(lǐng)子越來(lái)越不流行。

從多元線性回歸方程可以看出，各種領(lǐng)型的預(yù)測(cè)值大小為無(wú)領(lǐng)＞駁領(lǐng)＞翻領(lǐng)＞立領(lǐng)＞平貼領(lǐng)=連帽領(lǐng)，無(wú)領(lǐng)的預(yù)測(cè)值遠(yuǎn)遠(yuǎn)大于其他5種領(lǐng)型，即無(wú)領(lǐng)在這6種領(lǐng)型中最流行。

擬合圖中的藍(lán)色線（target）是實(shí)際通過(guò)統(tǒng)計(jì)領(lǐng)型占比得到的真實(shí)的流行度趨勢(shì)，黃色線（preds）則是通過(guò)算法預(yù)測(cè)到的流行程度趨勢(shì)。其中，平貼領(lǐng)和連帽領(lǐng)的真實(shí)趨勢(shì)與預(yù)測(cè)趨勢(shì)相吻合，所以在擬合圖中兩條線重合了。可以看出，算法預(yù)測(cè)的黃色線更能體現(xiàn)隨著時(shí)間、季節(jié)的波動(dòng)，領(lǐng)子的流行度呈現(xiàn)的大趨勢(shì)是逐漸攀升還是逐漸下降，不斷波動(dòng)或始終保持一個(gè)不變的流行狀態(tài)。

4 結(jié)語(yǔ)

通過(guò)跨學(xué)科使用計(jì)算機(jī)技術(shù)構(gòu)建多元線性回歸方程的方法，能夠更加科學(xué)、準(zhǔn)確地預(yù)測(cè)領(lǐng)型隨著時(shí)間變化的流行趨勢(shì)，一方面彌補(bǔ)了傳統(tǒng)人為統(tǒng)計(jì)方法存在的局限性和主觀性，另一方面也為服裝預(yù)測(cè)機(jī)制提供了新思路，有利于引導(dǎo)服裝市場(chǎng)的設(shè)計(jì)與研發(fā)，具有重要的實(shí)用性價(jià)值。