scikit-learn/KNN手写数字识别

最新推荐文章于 2022-04-16 18:16:54 发布
最新推荐文章于 2022-04-16 18:16:54 发布
阅读量1.6k 收藏 6
点赞数 1
分类专栏： 深度学习机器学习 文章标签： sklearn knn mnist
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/szj_huhu/article/details/74908560
版权
本文介绍了使用Python 3和scikit-learn 0.18库进行KNN（K近邻）算法对手写数字进行识别的过程。通过分析KNN算法在MNIST数据集上的应用，实验结果显示识别精度高达96%，并提供了混淆矩阵、召回率、精确率和F1分数等关键指标。
摘要由CSDN通过智能技术生成

环境：python 3, scikit-learn 0.18

这里写图片描述

KNN可以看成：有一堆已经知道分类的数据，当一个新数据进入的时候，就开始跟训练数据里的每个点求距离，然后挑离这个训练数据最近的K个点看看这几个点属于什么类型，然后利用少数服从多数的原则，给新数据归类。

#coding:utf-8
"""
sklearn 0.18
python 3

"""
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighbors
最低0.47元/天 解锁文章
szj_jojo
关注
专栏目录
sklearn代码4 3-KNN手写数字的识别
weixin_44632711的博客
10-29 354
import numpy as np import cv2 import matplotlib.pyplot as plt %matplotlib inline from sklearn.neighbors import KNeighborsClassifier # bitmap 位图 digit = cv2.imread('./u=123514531,1306365842&fm=26&fmt=auto.bmp') plt.imshow(digit) # 将(三维的)彩色图片转换
机器学习之使用 scikit-learn 识别手写数字
legalhighhigh的博客
06-05 3087
机器学习案例分析一： 识别手写数字： scikit-learn 提供了一些标准数据集，例如 用于分类的 iris 和 digits 数据集 和 波士顿房价回归数据集 . 在下文中，我们从我们的 shell 启动一个 Python 解释器IDLE，然后加载 iris 和 digits 数据集。 数据集是一个类似字典的对象，它保存有关数据的所有数据和一些元数据。 该数据存储在...
[机器学习篇]基于Scikit learn库中KNN,SVM算法的笔迹识别
图解AI
03-02 7629
前言 这里介绍，如何运用Scikit learn库中的KNN，SVM算法进行笔迹识别。 数据说明： 数据共有785列，第一列为label，剩下的784列数据存储的是灰度图像(0~255)的像素值 28*28=784 安装scikit learn库 看了很多安装教程，都没有安装成功。最后参考了官方网站的安装文档，只需要一步步照着做下来就能成功安装scikit learn 安装文档 函数介绍
基于sklearn的KNN算法实现手写数字识别
weixin_45448775的博客
12-19 1424
思路： 数据集来源：keras的mnist数据集 使用chain库中的from_iterable方法将二维的图片信息转化为一维矩阵接着采用之前二分类的思路训练模型。 代码如下： from sklearn.neighbors import KNeighborsClassifier from tensorflow.keras.datasets import mnist from itertools import chain (train_images,train_labels),(test_i
机器学习入门之：用 scikit-learn 的决策树来实现手写数字识别
qq_42902997的博客
09-14 3303
文章目录展示整体代码1.导入相应模块2. 加载、提取数据集的数据3. 对数据进行维度调整4. 创建决策树5. 投喂数据进行训练6. 评估模型疑问： 展示整体代码 from sklearn import tree import numpy as np dataset = np.load('mnist.npz') x_train = dataset['x_train'] y_train = dataset['y_train'] x_test = dataset['x_test'] y_test = dat
scikit-learn笔记 7 KNN手写数字识别
weixin_44632711的博客
10-29 401
uiedue
scikit-learn实践 mnist 不同的方法 手写数字识别分类
阿豪
10-15 409
原文链接: scikit-learn实践 mnist 不同的方法 手写数字识别分类 ...
利用scikit-learn下的knn实现kaggle的手写数字识别问题
okcing的博客
03-29 2793
题目的数据来自于kaggle的Digit Recognizer（手写数字识别），https://www.kaggle.com/c/digit-recognizer/data。 python代码如下（python的版本是3.5）：# -*- coding:utf-8 -*- ''' Created on 2017年3月28日@author: okcing手写数字识别 ''' import csv fr
StupidMachine:Python 中的机器学习 - 使用 Scikit Learn 的 KNN 算法识别手写数字
06-05
愚蠢的机器 你愚蠢的机器甚至不知道如何阅读。 所以我们必须教它怎么做。 更具体地说，我们将在 MNIST 数据集、Scikit Learn 和 K 最近邻算法的帮助下学习如何使用 Python 识别手写数字。 对于本教程，您需要在计算机上安装以下内容： 麻木 熊猫 Scikit 学习 西比 Matplotlib 如果您已经安装了 pip，只需在命令行界面中键入以下内容： sudo pip install numpy pandas scikit-learn scipy matplotlib 视频教程 在本教程的第一部分，我们将了解数据集、它的结构以及计算机如何解释它。 除此之外，我们还将看看我们选择的算法，称为 K 最近邻： 在第二部分，我们将启动并运行您的依赖项，导入数据集并开始编码。 我们将用几种不同大小的数据训练算法，看看它的成功率是如何提高的：
Python实现基于KNN算法的笔迹识别功能详解
09-20
主要介绍了Python实现基于KNN算法的笔迹识别功能,结合实例形式详细分析了使用KNN算法进行笔迹识别的相关库引入、操作步骤与相关注意事项,需要的朋友可以参考下
利用Scikit-learm实现手写数字识别
YAOHAIPI的博客
08-11 741
利用Scikit-learm实现手写数字识别 Scikit-learm库种自带一个手写数字数据集，其中包含1797个手写数值样本，每个样本由8×8的二维数组，数组元素为0-16之间的整数，每个样本都有对应的标签，标签为0-9之间的整数。可以把手写数值识别看成是19分类。 代码： from sklearn import datasets import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split f
Python scikit-learn 学习笔记—手写数字识别
热门推荐
leo_is_ant的专栏
04-28 1万+
这是一个手写数字的识别实验，是一个sklearn在现实中使用的案例。原例网址里有相应的说明和代码。   首先实验的数据量为1797，保存在sklearn的dataset里。我们可以直接从中获取。每一个数据是有image,target两部分组成。Image是一个尺寸为8*8图像，target是图像的类别，在我们看来类别就是手写的数字0-9.   代码一开始，将数据载入。 # Standard
kNN实现手写数字识别
ai_d_d的博客
04-16 3616
kNN实现手写数字识别
利用sklearn KNN实现手写数字识别
qq_41589941的博客
09-03 888
# 利用sklearn KNN实现手写数字识别 import numpy as np import pandas as pd from PIL import Image import matplotlib.pyplot as plt from sklearn.preprocessing import MinMaxScaler from sklearn.neighbors import KNeighborsClassifier from sklearn.model_selection imp.
【决策树andKNN】——实现手写数字的识别
fenfyue的博客
08-03 1099
测试两个算法应用到同一个测试集上的表现以及对参数的调整 1.数据加载 from sklearn.datasets import load_digits data = load_digits() X,y=data.data,data.target #y为数据的实际值 2.可视化表示 f,axes = plt.subplots(1,4,sharey=True,figsize(16,6)) for i in range(4): axes[i].imshow(X[i,:].reshape([8,8]),c
python3.5《机器学习实战》学习笔记（三）：k近邻算法scikit-learn实战手写体识别
weepon的博客
09-23 2092
转载请注明作者和出处：http://blog.csdn.net/u013829973 系统版本：window 7 （64bit） 我的GitHub：https://github.com/weepon python版本：python 3.5 IDE：Spyder （一个比较方便的办法是安装anaconda，那么Spyder和jupyter以及python几个常用的包都有了，甚至可以方便的安装
手写数字识别自测_KNN 算法实战篇如何识别手写数字
weixin_39880337的博客
01-29 344
上篇文章介绍了KNN 算法的原理，今天来介绍如何使用KNN 算法识别手写数字？1，手写数字数据集手写数字数据集是一个用于图像处理的数据集，这些数据描绘了 [0, 9]的数字，我们可以用KNN 算法来识别这些数字。MNIST是完整的手写数字数据集，其中包含了60000 个训练样本和10000 个测试样本。[MNIST](http://yann.lecun.com/exdb/mnist/...
knn手写数字识别python
最新发布
12-21
KNN（K-Nearest Neighbors）算法是一种常用的分类算法，它通过计算待分类样本与训练集中各个样本之间的距离，选取距离最近的K个样本进行投票，将待分类样本归为票数最多的类别。下面是使用Python实现KNN手写数字识别的示例代码： ```python import numpy as np from sklearn.datasets import load_digits from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklearn.metrics import accuracy_score # 加载手写数字数据集 digits = load_digits() X = digits.data y = digits.target # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 创建KNN分类器 knn = KNeighborsClassifier(n_neighbors=5) # 训练模型 knn.fit(X_train, y_train) # 预测测试集 y_pred = knn.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print("准确率：", accuracy) ``` 这段代码使用了scikit-learn库中的KNeighborsClassifier类来实现KNN算法。首先，加载手写数字数据集，并将数据集划分为训练集和测试集。然后，创建KNN分类器对象，并使用训练集对其进行训练。接下来，使用训练好的模型对测试集进行预测，并计算准确率。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值