本篇博客是使用机器学习自带的手写字体数据集来学习监督式机器学习
import matplotlib.pyplot as plt
import pylab
import numpy as np
from sklearn import datasets,svm,metrics
digits = datasets.load_digits()
#digits: bunch类型
print(type(digits))
#digits 包含的数据结构,字典类型数据key,value
print('digits.keys() = ',digits.keys())
#imgaes 是一个三维矩阵1797 张 8 * 8的图片
print('digits.images.shape = ',digits.images.shape)
print('digits.images = ',digits.images)
#plt.gray()
#plt.matshow(digits.images[0])
#plt.show()
#data中包含1797个样本,每个样本包括8*8像素的图像,其实就是将8*8 的images按行展开成一行
print('digits.data.shape = ',digits.data.shape)
print('digits.data = ',digits.data)
#target 是一个1797维度的Vector,指明每张图片的标签,也就是每张图片代表的数字
print('digits.target.shape = ',digits.target.shape)
print('digits.target = ',digits.target)
#数据集中所有标签值,[0,1,2,3,4,5,6,7,8,9]
print('digits.target_names.shape =