ML入门项目（一）

ML入门项目（一） svm识别手写体数字

mnist数据集是公认的最好用的入门项目数据集

前言

开启机器学习2个多月了，但上手流程还没有收悉走一遍，本文就介绍了机器学习入门项目，就这样干吧！！！

一、此项目的目的？

<要面对的问题为读取和解释手写体数字图像，预测图像之中的数值。 这类数据分析问题，需要用到估计器（estimator） 。它借助 fit() 函数进行学习，待自己的预 测能力（模型足够有效）达到一定水准之后，再用 predict() 函数给出预测结果。拿到结果之后， 我们还会讨论训练集和验证集。与之前不同，这两个数据集是由一系列图像组成的。

二、步骤

1.引入库并导入数据集

sklearn.svm.SVC估计器，它使用的是SVC技术。 因此，你需要导入scikit-learn的svm模块。接着，创建SVC类型的估计器，并初始化设置。无 需为 C 和 gamma 选项设置特殊值，使用一般值即可，分析过程中可再调整。

from sklearn import svm
svc = svm.SVC(gamma=0.001, C=100)
from sklearn import svm
svc=svm.SVC(gamma=0.001,C=100)
from sklearn import datasets
digits=datasets.load_digits()
print(digits.images[0])

手写体数字图像的数据，则存储在 digits.images 数组中。数组的每个元素表示一张图像， 每个元素为8×8形状的矩阵，