python分类器knn、svm_python_基于Scikit learn库中KNN,SVM算法的笔迹识别

之前我们用自己写KNN算法[网址]识别了MNIST手写识别数据 [数据下载地址]

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：

主成分分析(Principal components analysis，PCA)：

一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。过程是求协方差矩阵的特征值与特征向量，通过保留低阶主成分，忽略高阶主成分。这样低阶成分往往能够保留住数据的最重要方面。

c.f.:svd奇异值分析

实际中会用svd奇异值分析去代替它，因为pca计算量比较大。

from sklearn.decomposition import PCA

#从sklearn中导入PCA

pca = PCA(n_components=0.8,whiten=True)

#设置PCA参数

#n_components:

#设为大于零的整数，会自动的选取n个主成分,

#设为分数时，选择特征值占总特征值大于n的，作为主成分

#whiten:

#True表示做白化处理，白化处理主要是为了使处理后的数据方差都一致