利用机器学习进行手写数字识别

本次案例中，我们的目标是从数万个手写图像的数据集中正确识别数字。

数据介绍：

  数据文件 train.csv 和 test.csv 包含从 0 到 9 的手绘数字的灰度图像。 每个图像高 28 像素，宽28 像素，共784个像素。 每个像素取值范围[0,255]，取值越大意味着该像素颜色越深 训练数据集（train.csv）共785列。第一列为 "标签"，为该图片对应的手写数字。其余784列为该图像的像素值 训练集中的特征名称均有pixel前缀，后面的数字（[0,783])代表了像素的序号。

• 导入工具包

import matplotlib.pyplot as plt   #绘图包
import pandas as pd     #读取CSV文件
from sklearn.model_selection import train_test_split   #训练集和测试集的划分
from sklearn.neighbors import KNeighborsClassifier     #算法包
import joblib                                          #保存模型
from collections import Counter                        #统计当前数据

• 数据显示

def show_digit(idx):    #索引idx后面if循环需要在idx内
    # 加载数据
    data = pd.read_csv('../data/手写数字识别.csv')    #读取文件数据
    if idx < 0 or idx > len(data) - 1:    #确定索引idx范围，超出即返回
        return
    x = data.iloc[:, 1:]    #获得特征值，逗号前取行逗号后取列
    y = data.iloc[:,0]
    print('当前数字的标签为:',y[idx])

    # data 修改为 ndarray 类型
    data_ = x.iloc[idx].values
    # 将数据形状修改为 28*28
    data_ = data_.reshape(28, 28)
    # 关闭坐标轴标签
    plt.axis('off')
    # 显示图像
    plt.imshow(data_,cmap="gray")
    plt.show()

• 模型训练

def train_model():

    # 1. 加载手写数字数据集
    data = pd.read_csv('data/手写数字识别.csv')
    x = data.iloc[:, 1:] / 255
    y = data.iloc[:, 0]

    # 2. 打印数据基本信息
    print('数据基本信息:', x.shape)
    print('类别数据比例:', Counter(y))

    # 3. 分割数据集
    split_data = train_test_split(x, y, test_size=0.2, stratify=y, random_state=0)
    x_train, x_test, y_train, y_test = split_data

    # 4. 模型训练
    estimator = KNeighborsClassifier(n_neighbors=3)
    estimator.fit(x_train, y_train)

    # 5. 模型评估
    acc = estimator.score(x_test, y_test)
    print('测试集准确率: %.2f' % acc)

    # 6. 模型保存
    joblib.dump(estimator, 'model/knn.pth')

• 模型预测

# 读取图片数据
import matplotlib.pyplot as plt
import joblib
img = plt.imread('temp/0.png')
plt.imshow(img,cmap='gray')
# 加载模型
knn = joblib.load('../model/knn.pth')
y_pred = knn.predict(img.reshape(1, -1))
print('您绘制的数字是:', y_pred)