【Python机器学习基础教程8】神经网络用于手写识别

训练集数据     

http://www.pjreddie.com/media/files/mnist_train.csv

测试集数据 

https://raw.githubusercontent.com/makeyourownneuralnetwork/makeyourownneuralnetwork/master/mnist_dataset/mnist_test_10.csv

说明：每一行数据集第一个数据是正确的数字，其它均为像素值（28 * 28）。一般情况下，对于像素值，0表示黑，255表示白。但是mnist的数据恰好相反，所以后期对于自己手写的字体，要进行处理。

1、第一步，加载数据集，将其映射到0.01 - 1

data = np.loadtxt("mnist_train.csv", delimiter=',')

X_train = data[:, 1:]
X_train_scaled = (X_train / 255.0 * 0.99) + 0.01
y_train = data[:, 0].flatten()

2、第二步，训练

mlp = MLPClassifier(solver='lbfgs', activation='tanh', random_state=0, hidden_layer_sizes=[300])
mlp.fit(X_train_scaled, y_train)

3、第三步，测试训练集

test = np.loadtxt("mnist_test_10.csv", delimiter=',')
x_test = test[:, 1:]
x_test_scaled = (x_test / 255.0 * 0.99) + 0.01
y_test = test[:, 0].flatten()

print("predict:\n", mlp.predict(x_test_scaled))
print("true:\n", y_test)

4、第四步，识别自己手写的训练集

for i in range(0, 10):
    img_array = imageio.imread("pic/" + str(i) + ".png", as_gray=True)

    img_data = 255.0 - img_array.reshape(1, -1)
    img_data_scaled = (img_data / 255.0 * 0.99) + 0.01
    print("predict:" + str(i) + "res:", mlp.predict(img_data_scaled))

5、输出结果（存在一定误差）