【scikit-learn】sklearn.datasets.load_digits() 函数：手写数字多分类数据集

sklearn.datasets.load_digits()

load_digits() 是 sklearn.datasets 提供的 手写数字数据集，用于 多分类任务，适用于 机器学习模型测试 和 计算机视觉入门。

---

1. load_digits() 数据集简介

属性	说明
样本数	1797
特征数	64（8×8 灰度像素）
类别数	10（数字 0-9）
任务类型	多分类问题
数据类型	每个样本是 8×8 图片，像素值 0-16

---

2. load_digits() 代码示例

(1) 加载数据集

from sklearn.datasets import load_digits

# 加载数据
digits = load_digits()

# 获取特征矩阵和目标变量
X, y = digits.data, digits.target

print("特征矩阵形状:", X.shape)
print("目标变量形状:", y.shape)
print("类别名称:", digits.target_names)

输出

特征矩阵形状: (1797, 64)
目标变量形状: (1797,)
类别名称: [0 1 2 3 4 5 6 7 8 9]

解释

• X.shape = (1797, 64)：1797 张 8×8 图片，每张图片有 64 个像素点。
• y.shape = (1797,)：1797 个标签，对应 0-9 这 10 个数字。

---

(2) 数据集格式

print(type(digits))

输出

<class 'sklearn.utils._bunch.Bunch'>

解释

• load_digits() 返回的是 Bunch 对象，类似于字典，可通过 .data、.target、.images 访问数据。

---

(3) 可视化手写数字

import matplotlib.pyplot as plt

# 显示前 10 个数字
fig, axes = plt.subplots(2, 5, figsize=(10, 5))
for i, ax in enumerate(axes.flat):
    ax.imshow(digits.images[i], cmap="gray")
    ax.set_title(f"Label: {digits.target[i]}")
    ax.axis("off")

plt.show()

解释

• digits.images[i] 提供 8×8 图片数据。
• 使用 imshow() 可视化手写数字。

---

3. load_digits() 数据分析

(1) 样本数据

import pandas as pd

# 转换为 DataFrame
df = pd.DataFrame(digits.data)
df["target"] = digits.target

print(df.head())

输出

   0   1   2   3   4   5   6   7  ...  56  57  58  59  60  61  62  63  target
0  0   0   5  13   9   1   0   0  ...   0   0   0   0   0   0   0   0       0
1  0   0   0   12  13   5   0   0  ...   0   0   0   0   0   0   0   0       1
2  0   0   0   4  15  12   0   0  ...   0   0   0   0   0   0   0   0       2
3  0   0   7  15   1   0   0   0  ...   0   0   0   0   0   0   0   0       3
4  0   0   0   1  11   0   0   0  ...   0   0   0   0   0   0   0   0       4

解释

• 64 个像素值作为特征，每个样本是一个 8×8 灰度图片。
• target 是手写数字的真实标签（0-9）。

---

(2) 类别分布

import seaborn as sns

sns.countplot(x=df["target"])
plt.title("Digits 数据集类别分布")
plt.show()

解释

• 查看每个数字的数量，验证数据集是否均衡。

---

4. 适用场景

• 手写数字识别任务（计算机视觉）。
• 分类问题（多分类任务）。
• 机器学习算法测试（如 KNN、SVM、随机森林）。

---

5. load_digits() vs. 其他数据集

数据集	任务类型	样本数	特征数	适用场景
load_iris()	多分类	150	4	经典分类问题
load_wine()	多分类	178	13	葡萄酒分类
load_digits()	多分类	1797	64	手写数字识别
fetch_openml("mnist_784")	多分类	70000	784	MNIST 手写数字识别

---

6. 结论

• load_digits() 提供了 1797 张 8×8 手写数字图片，用于多分类任务，适用于 机器学习和计算机视觉入门。
• 可以 转换为 Pandas DataFrame 进行数据分析，也可以 使用可视化方法查看手写数字。