机器学习-实战-入门-MNIST手写数字识别

原创 2017年04月22日 21:49:49
作者:橘子派
声明:版权所有,转载请注明出处,谢谢。

源码地址:https://github.com/sileixinhua/Python_Machine_Learning_Sklearn_MNIST

实验环境:
Windows10
Sublime
Anaconda 1.6.0
Python3.6

代码功能包括:
一.ubyte数据集转换成csv形式
#将mnist数据集转换成CSV格式
import struct

def to_csv(name,maxdata):
	lbl_f = open("./data/"+name+"-labels.idx1-ubyte","rb")
	#打开标签数据集
	img_f = open("./data/"+name+"-images.idx3-ubyte","rb")
	#打开图像数据集
	csv_f = open("./data/"+name+",csv","w",encoding="utf-8")
	#写入CSV文件

	mag,lbl_count=struct.unpack(">II",lbl_f.read(8))
	#将字节流转换成python数据类型复制给标签
	mag,img_count=struct.unpack(">II",img_f.read(8))
	#将字节流转换成python数据类型复制给图像
	rows,cols=struct.unpack(">II",img_f.read(8))
	#将字节流转换成python数据类型复制给行列
	pixels=rows*cols
	#计算数据总量

	res=[]
	for idx in range(lbl_count):
		if idx > maxdata:break
		#设置计数器,大于数据个数总量时跳出循环
		label=struct.unpack("B",lbl_f.read(1))[0]
		bdata=img_f.read(pixels)
		sdata=list(map(lambda n:str(n),bdata))
		csv_f.write(str(label)+",")
		#写入标签
		csv_f.write(",".join(sdata)+"\r\n")
		#写入数据(数字)
		if idx < 10:
			s="P2 28 28 255\n"
			s+=" ".join(sdata)
			iname="./data/{0}-{1}-{2}.pgm".format(name,idx,label)
			with open(iname,"w",encoding="utf-8") as f:
				f.write(s)
	csv_f.close()
	#关闭CSV流
	lbl_f.close()
	#关闭标签流
	img_f.close()
	#关闭图像流

to_csv("train",1000)
#转换到train.csv 1000个数据
to_csv("t10k",1000)
#转换到t10k.csv 1000个数据

二.用sklearn的交叉验证处理数据,SVM训练数据预测结果,metrics生成分类报告和准确率
#用sklearn中的SVM来训练模型,预测数据集
from sklearn import cross_validation,svm,metrics

def load_csv(fname):
	labels=[]
	images=[]
	with open(fname,"r") as f:
		for line in f:
			cols=line.split(",")
			if len(cols)<2:continue
			labels.append(int(cols.pop(0)))
			vals=list(map(lambda n: int(n) / 256,cols))
			images.append(vals)
		return {"labels":labels,"images":images}

data=load_csv("./data/train.csv")
test=load_csv("./data/t10k.csv")

clf=svm.SVC()
clf.fit(data["images"],data["labels"])
#训练数据集

predict=clf.predict(test["images"])
#预测测试集

score=metrics.accuracy_score(test["labels"],predict)
#生成测试精度
report=metrics.classification_report(test["labels"],predict)
#生成交叉验证的报告
print(score)
#显示数据精度
print(report)
#显示交叉验证数据集报告

运行结果

三组平均测试精度为0.772

参考文献:
《统计学习方法》
Web scraping and machine learning by python
版权声明:本文为博主原创文章,未经博主允许不得转载。

相关文章推荐

深度学习笔记四:MNIST实战

写一个神经网络来实现对于MNIST数据集的手写体分类任务

MNIST数据集格式转化

MNIST数据集格式转化

Delphi7高级应用开发随书源码

  • 2003年04月30日 00:00
  • 676KB
  • 下载

MNIST数据集解析

官网一探 MNIST数据集是一个手写体数据集,简单说就是一堆这样东西 MNIST的官网地址是 MNIST; 通过阅读官网我们可以知道,这个数据集由四部分组成,分别是 ;也就是一个训练图片集,一个训练...
  • sysushui
  • sysushui
  • 2016年11月21日 10:49
  • 15653

详解 MNIST 数据集

MNIST 数据集已经是一个被”嚼烂”了的数据集, 很多教程都会对它”下手”, 几乎成为一个 “典范”. 不过有些人可能对它还不是很了解, 下面来介绍一下.MNIST 数据集可在 http://yan...

为了caffe(七)做kaggle上的mnist

为了caffe(七)做kaggle上的mnist   因为蠢啊,因为不懂才写这么详细啊   第0步: 刚刚不能验证注册kaggle,注册需要VPN翻墙一下             第一步:  老样子...

读取 mnist 数据集 --- python

手写数字识别数据集(MNIST)是机器学习中常用来作为训练测试数据的一个经典数据集。matlab读取因其有针对的命令(读写函数已集成)非常简单,用python读取需要自己写读取函数,下面是分别基于py...

MNIST数据库介绍及转换

MNIST数据库介绍及转换!

Delphi7高级应用开发随书源码

  • 2003年04月30日 00:00
  • 676KB
  • 下载

手写数字识别(二)----SVM 实现Mnist-image 手写数字图像识别

前言前两天利用kNN实现了手写数字的识别,数据不是很多,训练数据1934个,测试数据946个。这两天把Mnist-image的手写数字数据down了下来,利用SVM进行识别一下。Mnist-image...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:机器学习-实战-入门-MNIST手写数字识别
举报原因:
原因补充:

(最多只允许输入30个字)