An introduction to machine learning with scikit-learn

scikit-learn 是一个基于SciPy和Numpy的开源机器学习模块，包括分类、回归、聚类的一系列算法，而且有详细的文档，是边学边练的绝佳教材，本文将通过一个简单的例子向大家展示如何使用scikit-learn。这个例子是关于手写识别的，就是给了一个手写的数字，让机器来识别它是几。首先来介绍一下数据集，在这个例子中，所谓的数据集就是一张张手写数字的图片，每张图片有8*8个像素，在训练的时候会将每张图片的这64个像素点排列成一个特征向量，所以也可以认为是这一个个特征向量组成了数据集，同时数据集里还包含target value，就是每张图片对应的真实数字。scikit-learn 为了方便我们学习已经把这个数据集准备好了， 我们只需载入一下即可：

from sklearn import datasets
digits = datasets.load_digits()

大家不妨打印出来看看：

digits.data[0]
digits.target[0]

前者对应的就是数据集中第一个图片的特征向量，后者就是这张图片对应的数字。接下来我们就可以选择一个模型，然后训练它，最后再用训练好的模型来识别新的手写数字。这里选择了SVM模型，如下：

from sklearn import svm
clf = svm.SVC(gamma=0.001, C=100.)

训练模型也很简单，一个函数就可以搞定，fit，如下：

clf.fit(digits.data[:-1], digits.target[:-1])

这里用了数据集中除最后一个数据外的所有数据，这个函数执行完后我们的模型就训练好了，然后我们用这个模型来预测数据集中最后一个数据（特征向量）对应的真实数字，如下：

clf.predict(digits.data[-1])

预测出来的数字是8，那么到底对不对呢，我们看一下最后一个数字的手写图片：

大家就见仁见智啦