scikit-learn digital write recognize

【笔记】调一下scikit-learn ：
详细链接：http://xhrwang.me/2015/02/13/scikit_learn-tutorial.html

下面的例子将演示如何使用 sklearn 库中提供的数字图片 dataset 来识别它们表示的实际数字, 且标记本人的一些学习心得。

所需lib: matplotlib.pyplot & sklearn
数据源：sklearn.dataset

# -*- coding: utf-8 -*-
"""
================================
Recognizing hand-written digits
================================

An example showing how the scikit-learn can be used to recognize images of hand-written digits.

This example is commented in the
:ref:`tutorial section of the user manual <introduction>`.

"""

# 打印出上面的文档信息，Python 里面使用 """ 多行注释的信息被当作文档信息，可以对源代码、类、方法等进行注释从而生成文档，是自解释的机制
print(__doc__)

# 下面是 scikit——learn 官方例子的作者信息
# Author: Gael Varoquaux <gael dot varoquaux at normalesup dot org>
# License: BSD 3 clause

# 导入用于科学计算的库
import matplotlib.pyplot as plt

# 导入 sklearn 自带的手写数字 dataset，以及进行机器学习的模块
from sklearn import datasets, svm, metrics

# 加载 sklearn 自带的手写数字 dataset
digits = datasets.load_digits()

# 这里我们感兴趣的数据是不同灰度的 8x8 个小格子组成的图像
# 如果我们直接使用图像进行处理，就需要使用 pylab.imread 来加载图像数据，而且这些图像数据必须都是 8x8 的格式
# 对于这个 dataset 中的图像，dataset.target 给出了它们实际对应的数字
images_and_labels = list(zip(digits.images, digits.target))
for index, (image, label) in enumerate(images_and_labels[:4]):
    plt.subplot(2, 4, index + 1)
    plt.axis('off')
    plt.imshow(image, cmap=plt.cm.gray_r, interpolation='nearest')
    plt.title('Training: %i' % label)

# 为了使用分类器，需要将每个表示手写图像的 8x8 数字转换为一个数字数组
# 用reshape 来转换， digits.images 就变成了(采样，采样特性)的一个矩阵
n_samples = len(digits.images)
data = digits.images.reshape((n_samples, -1))
print(digits.images[0])
print(data[0])

# 创建一个分类器，这里 gamma 的值是给定的，可以通过 grid search 和 cross validation 等技术算出更好的值。
# 下面的链接有个例子是自己算 gamma：
# http://efavdb.com/machine-learning-with-wearable-sensors/
# ****
classifier = svm.SVC(gamma=0.001)

# **用前半部分数据训练分类器**
classifier.fit(data[:n_samples / 2], digits.target[:n_samples / 2])

# **对后半部分数据使用训练好的分类器进行识别****
expected = digits.target[n_samples / 2:]
predicted = classifier.predict(data[n_samples / 2:])

# 打印分类器的运行时信息以及期望值和实际识别的值
print("Classification report for classifier %s:\n%s\n"
      % (classifier, metrics.classification_report(expected, predicted)))
print("Confusion matrix:\n%s" % metrics.confusion_matrix(expected, predicted))

# 画出手写数字的图像并给出识别出的值
images_and_predictions = list(zip(digits.images[n_samples / 2:], predicted))
for index, (image, prediction) in enumerate(images_and_predictions[:4]):
    plt.subplot(2, 4, index + 5)
    plt.axis('off')
    plt.imshow(image, cmap=plt.cm.gray_r, interpolation='nearest')
    plt.title('Prediction: %i' % prediction)

plt.show()

             precision    recall  f1-score   support

          0       1.00      0.99      0.99        88
          1       0.99      0.97      0.98        91
          2       0.99      0.99      0.99        86
          3       0.98      0.87      0.92        91
          4       0.99      0.96      0.97        92
          5       0.95      0.97      0.96        91
          6       0.99      0.99      0.99        91
          7       0.96      0.99      0.97        89
          8       0.94      1.00      0.97        88
          9       0.93      0.98      0.95        92

avg / total       0.97      0.97      0.97       899

总结：
有几点需要注意：

• n*n矩阵转成一维数组
• set coefficient gamma
• 用一半的data 训练模型
• 用模型去predict
• 可视化

思维拓展：
怎么做字母，或图像识别
还有没有别算法可以实现（KNN ， 神经网络）