随机森林算法（RandomForest）实现MNIST手写体数字识别

最新推荐文章于 2023-08-18 18:02:54 发布

一摩尔自由

最新推荐文章于 2023-08-18 18:02:54 发布

阅读量7.4k

点赞数 1

分类专栏：机器学习图像处理 python 机器学习算法篇

本文链接：https://blog.csdn.net/Barry_J/article/details/81902266

版权

本文介绍了如何使用随机森林算法实现MNIST手写体数字识别。通过决策树的基础理解，阐述了随机森林的工作原理，指出在决策过程中可以忽略不重要的特征以提高准确性。随机森林在多个领域，如金融风控、股票分析和电商中有着广泛的应用。

摘要由CSDN通过智能技术生成

一、准备：

第三方库 sklearn

二、代码：

# -*- coding: utf-8 -*-
# @Time    : 2018/8/21 9:35
# @Author  : Barry
# @File    : mnist.py
# @Software: PyCharm Community Edition

from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
import tensorflow.examples.tutorials.mnist.input_data as input_data

data_dir = 'MNIST_data/'
mnist = input_data.read_data_sets(data_dir,one_hot=False)
batch_size = 50000
batch_x,batch_y = mnist.train.next_batch(batch_size)
test_x = mnist.test.images[:10000]
test_y = mnist.test.labels[:10000]

print("start random forest")
for i in range(10,200,10):
    clf_rf = RandomForestClassifier(n_estimators=i)
    clf_rf.fit(batch_x,batch_y)

    y_pred_rf = clf_rf.predict(test_x)
    acc_rf = accuracy_score(test_y,y_pred_rf)
    print("n_estimators = %d, random forest accuracy:%f" %(i,acc_rf))