使用Python的sklearn库，通过支持向量机（LinearSVC）对手写字体进行识别。通过加载digits数据集，进行训练和测试，模型达到约95%的准确率。
使用python3 学习sklearn中支持向量机api的使用
可以来到我的git下载源代码：https://github.com/linyi0604/MachineLearning
# 导入手写字体加载器
from sklearn.datasets import load_digits
from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import LinearSVC
from sklearn.metrics import classification_report
'''
支持向量机
根据训练样本的分布，搜索所有可能的线性分类器最佳的一个。
从高纬度的数据中筛选最有效的少量训练样本。
节省数据内存，提高预测性能
但是付出更多的cpu和计算时间
'''
'''
1 获取数据
'''
# 通过数据加载器获得手写字体数字的数码图像数据并存储在digits变量中
digits = load_digits()
# 查看数据的特征维度和规模
# print(digits.data.shape) # (1797, 64)
'''
2 分割训练集合和测试集合
'''
x_train, x_test, y_train, y_test = train_test_split(digits.
最低0.47元/天 解锁文章
1015
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
