支持向量机-手写数字识别

本文展示了使用Python实现的支持向量机(SVM)进行手写数字识别的实验,训练集和测试集分别为1347和450条数据。线性SVC的准确率为95.33%。详细的精度、召回率和F1分数展示在混淆矩阵中,显示了在各个数字类别上的表现。
摘要由CSDN通过智能技术生成

支持向量机分类器:
决定分类直线位置的样本并不是所有的训练数据,而是其中对两个空间间隔最小的两个不同类别的数据点,把这种可以用来真正帮助决策最优贤行分类模型的数据点叫做“支持向量”。LR模型由于在训练过程中考虑了所有训练样本对于参数的影响,因此不一定能获得最佳的分类器。
本文使用支持向量机分类器处理sklearn内部集成的手写字体数字图片数据集。(sklearn中集成的手写体数字图像仅仅是https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits的测试数据集。)


Python源码

#coding=utf-8
from sklearn.datasets import load_digits
#-------------
from sklearn.cross_validation import train_test_split
#-------------
#load data standardize model
from sklearn.preprocessing import Standar
  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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