digit 手写数据库条记 (机器学习)

参考册本

第三章内容

digit 手写数据库

1. # 最初的分类器
2. # digits 手写数字库
4. import numpy as np
5. import matplotlib.pyplot as plt
6. from sklearn import datasets
7. from sklearn import tree
8. # 性能评价相关的库
9. from sklearn import metrics
11. # digits 数据加载
12. digits = datasets.load_digits()
14. # 显示此库中第一行的数据
15. data = digits.data
16. print(data[0])
18. # 将画像以2行5列表示
19. # 前10个手写数字表示
20. for label, img in zip(digits.target[:10], digits.images[:10]):
21.     plt.subplot(2,5, label+1)
22.     plt.axis('off')
23.     plt.imshow(img, cmap=plt.cm.gray_r, interpolation='nearest')
24.     plt.title('Digit: {0}'.format(label))
26. plt.show()
28. # 求 3 和 8 的位置
29. flag_3_8 = (digits.target == 3) + (digits.target == 8)
31. # 获取 3 和 8 的数据
32. images = digits.images[flag_3_8]
33. labels = digits.target[flag_3_8]
35. # 将 3 和 8 的画像数据一次元化
36. images = images.reshape(images.shape[0], -1)
38. # 生成分类器
39. n_samples = len(flag_3_8[flag_3_8])
40. train_size = int(n_samples * 3 / 5)
41. # 在tree.DecisionTreeClassifier中生成分类器
42. classifier = tree.DecisionTreeClassifier()
43. # 将学习数据给到classifier.fit
44. # 为了简单使用了60% 的数据作为训练数据
45. # train_size是作为训练和测试的分界点
46. classifier.fit(images[:train_size], labels[:train_size])
50. # 使用剩下的数据进行测试，也就是40%
51. # 因此这里的测试数据是从 train_size 开始的
52. # 提取测试数据的标签作为正确标签。
53. expected = labels[train_size:]
54. # 分类执行，取出测试数据的预测结果
55. predicted = classifier.predict(images[train_size:])
57. # 打印结果
58. # accuracy_score用来计算正确率
59. print('accuracy: \n', metrics.accuracy_score(expected, predicted))

复制代码

结果

[ 0. 0. 5. 13. 9. 1. 0. 0. 0. 0. 13. 15. 10. 15. 5. 0. 0. 3.
15. 2. 0. 11. 8. 0. 0. 4. 12. 0. 0. 8. 8. 0. 0. 5. 8. 0.
0. 9. 8. 0. 0. 4. 11. 0. 1. 12. 7. 0. 0. 2. 14. 5. 10. 12.
0. 0. 0. 0. 6. 13. 10. 0. 0. 0.]
accuracy:
0.8531468531468531

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。