使用逻辑回归进行MNIST数据集分类

最新推荐文章于 2021-11-27 20:56:35 发布

雪儿和颖儿

最新推荐文章于 2021-11-27 20:56:35 发布

阅读量3k

点赞数 1

本文链接：https://blog.csdn.net/Graceguanguan/article/details/104587928

版权

这篇博客探讨了如何运用逻辑回归对MNIST手写数字数据集进行分类。介绍了数据集的特点，包括60000个训练样本和10000个测试样本，每个样本为28*28像素的灰度图像。文章还提及了实验结果，并提出疑问：为何要对分类系数进行可视化。

摘要由CSDN通过智能技术生成

MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。

import time
import numpy as np
import matplotlib.pyplot as plt

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LogisticRegression
from sklearn import datasets
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import fetch_openml     #从openml.org网站导入数据
from sklearn.utils import check_random_state

t0=time.time()
train_samples=5000

#载入数据集
X, y = fetch_openml('mnist_784', version=1, return_X_y=True)
print(X.shape,y.shape)

#可视化样本，图形化显示前6个数据
fig,ax=plt.subplots(nrows=2,ncols=3,sharex='all',sharey='all')
ax = ax.flatten()
for i in range(6):
    img=X[i].reshape(28,28)
    ax[i].matshow(img)
plt.show()