【人工智能之手写字体识别】机器学习及与智能数据处理之降维算法PCA及其应用手写字体识别

降维算法PCA及其应用

利用PCA算法实现手写字体识别，要求：

1、实现手写数字数据集的降维；

2、比较两个模型（64维和10维）的准确率；

3、对两个模型分别进行10次10折交叉验证，绘制评分对比曲线。

实验步骤

1. 导入数据集

from sklearn.datasets import load_digits
digits = load_digits()
train = digits.data
target = digits.target

2. 实现手写数字数据集的降维；

pca = PCA(n_components=10,whiten=True)
pca.fit(x_train,y_train)
x_train_pca = pca.transform(x_train)
x_test_pca = pca.transform(x_test)

3. 比较两个模型（64维和10维）的准确率；

64维

svc = SVC(kernel = 'rbf')
svc.fit(x_train,y_train)
y_predict = svc.predict(x_test)
print('The Accuracy of SVC is', svc.score(x_test, y_test))
print("classification report of SVC\n",classification_report(y_test, y_predict,
target_names=digits.target_names.astype(str)))

10维

svc