SVM对sklearn自带手写数字数据集进行分类

最新推荐文章于 2024-09-13 15:18:18 发布

nankaizhl

最新推荐文章于 2024-09-13 15:18:18 发布

阅读量1.1w

点赞数 3

分类专栏： python 机器学习文章标签： python svm mnist sklearn

本文链接：https://blog.csdn.net/XiaoPANGXia/article/details/59177385

版权

本文介绍了如何利用sklearn的load_digits数据集进行手写数字分类，重点关注SVM模型的应用。通过实验，探讨了SVM在分类中的精确率和召回率，精确率衡量的是真阳结果与所有被判为阳性结果的比例，而召回率则是真阳结果与所有实际为阳性数据的比率。

摘要由CSDN通过智能技术生成

sklearn自带一些数据集，其中手写数字数据集可通过load_digits加载，我找到load_digits里头是这样

def load_linnerud():
    """Load and return the linnerud dataset (multivariate regression).

    Samples total: 20
    Dimensionality: 3 for both data and targets
    Features: integer
    Targets: integer

    Returns
    -------
    data : Bunch
        Dictionary-like object, the interesting attributes are: 'data' and
        'targets', the two multivariate datasets, with 'data' corresponding to
        the exercise and 'targets' corresponding to the physiological
        measurements, as well as 'feature_names' and 'target_names'.
    """
    base_dir = join(dirname(__file__), 'data/')
    # Read data
    data_exercise = np.loadtxt(base_dir + 'linnerud_exercise.csv', skiprows=1)
    data_physiological = np.loadtxt(b