python调用数据集mnist_使用MNIST数据集进行分类

本文是对书《机器学习实战：基于Scikit-Learn和Tensorflow》第三章的知识学习以及代码复现，欢迎大家一起学习一起进步。

获取数据集

提前将MNIST数据集下载好，并放在’\scikit_learn_data’目录之下from sklearn.datasets import fetch_mldata

mnist = fetch_mldata('MNIST original', data_home=r'C:\Users\12637\scikit_learn_data')

mnist

001.pngX, y = mnist["data"], mnist["target"]

X.shape

002.png

一共有70000张图片，每张图片有784个特征。因为图片是28×28像素，每个特征代表了一个像素点的强度，从0(白色)到255(黑色)。随手抓取一个实例的特征向量，将其重新形成一个28X28数组，然后用Matplotlib的imshow()函数将其显示出来%matplotlib inline

import matplotlib

import matplotlib.pyplot as plt

some_digit = X[36000]

some_digit_image = some_digit.reshape(28, 28)

plt.imshow(some_digit_image, cmap=matplotlib.cm.binary, interpolation="nearest")

plt.axis("off")

plt.show()

003.png# MNIST数据集中的部分数字图像

X_train, X_test, y_train, y_test = X[:60000], X[60000:], y[:60000], y[60000:]

# 给训练集数据洗牌

import numpy as np

shuffle_index = np.random.permutation(60000)

X_train, y_train = X_train[shuffle_index], y_train[shuffle_index]

训练一个二元分类器# 训练一个二元分类器

y_train