Python scikit-learn 学习笔记—手写数字识别

本文记录了一次使用Python的sklearn库进行手写数字识别的实验,通过SVM分类器进行训练和测试。实验中展示了数据加载、图像绘制、SVM分类器的使用,包括不同内核的影响,并解释了评估指标如precision、recall、f1-score和支持度。最后,介绍了混淆矩阵在评估分类效果中的应用。
摘要由CSDN通过智能技术生成

  这是一个手写数字的识别实验,是一个sklearn在现实中使用的案例。原例网址里有相应的说明和代码。

  首先实验的数据量为1797,保存在sklearn的dataset里。我们可以直接从中获取。每一个数据是有image,target两部分组成。Image是一个尺寸为8*8图像,target是图像的类别,在我们看来类别就是手写的数字0-9.

  代码一开始,将数据载入。

<span style="font-family:Microsoft YaHei;"># Standard scientific Python imports
import matplotlib.pyplot as plt

# Import datasets, classifiers and performance metrics
from sklearn import datasets, svm, metrics

# The digits dataset
digits = datasets.load_digits()</span>

之后,抽取了前四个训练数据将他们画了出来。里面enumerate函数用法参见如下网址:

http://blog.csdn.net/suofiya2008/article/details/5603861

 

<span style="font-family:Microsoft YaHei;">images_and_labels = list(zip(digits.images, digits.target))
for index, (image, label) in enumerate(
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值