Python机器学习sklearn实现识别数字

摘要

这篇文章将详细讲解如何使用Python和Sklearn库实现数字识别。我们将会使用一个数据集来训练模型，该数据集包含了数千张手写数字的图片。我们将首先对数据进行清洗和预处理，然后使用Sklearn中的SVM（支持向量机）算法来训练我们的模型。最后，我们将评估模型的准确性，并使用它来预测新的手写数字。

数据集

我们将使用MNIST数据集来训练我们的模型。该数据集包含了70,000张28x28像素的手写数字图片。这些图片已经被标记，因此我们可以使用它们来训练我们的模型。

你可以从Yann LeCun的网站上下载该数据集：http://yann.lecun.com/exdb/mnist/

数据清洗与处理

在开始训练模型之前，我们需要对数据进行清洗和预处理。首先，我们需要将图片转换为一维数组。然后，我们需要将像素值缩放到0到1之间。这将有助于算法更好地训练模型。

以下是将图片转换为一维数组的代码示例：

from sklearn.datasets import fetch_openml

mnist = fetch_openml('mnist_784')

X = mnist.data.astype('float32') / 255.

接下来，我们需要将数据集划分为训练集和测试集。通常情况下，我们使用80％的数据作为训练集，20％的数据作为测试集。我们将使用Sklearn中的train_test_split方法来实现此操作。

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, mnist.target, test_size=0.2)

训练模型

我们将使用SVM算法来训练我们的模型。具体而言，我们将使用SVC（支持向量分类）类来实现分类。我们将使用Sklearn中的GridSearchCV方法来寻找最佳的参数组合。

from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV

param_grid = [
  {'C': [0.1, 1, 10], 'kernel': ['linear']},
  {'C': [0.1, 1, 10], 'gamma': [0.001, 0.01, 0.1], 'kernel': ['rbf']},
]

svc = SVC()

clf = GridSearchCV(svc, param_grid, cv=5)

clf.fit(X_train, y_train)

评估模型

使用测试集评估模型的准确性：

from sklearn.metrics import accuracy_score

predictions = clf.predict(X_test)

accuracy = accuracy_score(y_test, predictions)

print("Accuracy: {:.2%}".format(accuracy))

使用模型进行预测

现在我们已经训练并评估了模型，我们可以使用它来预测新的手写数字。以下是一个使用模型预测数字的示例：

import matplotlib.pyplot as plt

image = X_test[0].reshape(28, 28)
plt.imshow(image, cmap='gray')

prediction = clf.predict([X_test[0]])

print("Prediction:", prediction[0])

结论

Python和Sklearn库使得实现数字识别变得简单。在此过程中，我们学习了如何使用SVM算法来训练模型，使用GridSearchCV方法来寻找最佳参数，以及如何评估模型的准确性并使用它来预测新的手写数字。这篇文章提供了一个非常好的起点，使您可以开始在Python中实现机器学习项目。