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。
![在这里插入图片描述](https://img-blog.csdnimg.cn/74a8c399cb6a423faea5f5b2b5d51890.png)
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import joblib
from collections import Counter
def show_digit(idx):
data = pd.read_csv('../data/手写数字识别.csv')
if idx < 0 or idx > len(data) - 1:
return
x = data.iloc[:, 1:]
y = data.iloc[:,0]
print('当前数字的标签为:',y[idx])
data_ = x.iloc[idx].values
data_ = data_.reshape(28, 28)
plt.axis('off')
plt.imshow(data_,cmap="gray")
plt.show()
def train_model():
data = pd.read_csv('data/手写数字识别.csv')
x = data.iloc[:, 1:] / 255
y = data.iloc[:, 0]
print('数据基本信息:', x.shape)
print('类别数据比例:', Counter(y))
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
estimator = KNeighborsClassifier(n_neighbors=3)
estimator.fit(x_train, y_train)
acc = estimator.score(x_test, y_test)
print('测试集准确率: %.2f' % acc)
joblib.dump(estimator, 'model/knn.pth')
import matplotlib.pyplot as plt
import joblib
img = plt.imread('temp/0.png')
plt.imshow(img,cmap='gray')
knn = joblib.load('../model/knn.pth')
y_pred = knn.predict(img.reshape(1, -1))
print('您绘制的数字是:', y_pred)