python机器学习sklearn实现识别数字 python机器学习sklearn实现识别数

简介
数据集
数据处理

数据分离

训练数据

数据可视化

完整代码

简介本文主要简述如何通过sklearn模块来进行预测和学习，最后再以图表这种更加直观的方式展现出来

数据集学习数据
预测数据

数据处理
数据分离
因为我们打开我们的的学习数据集，最后一项是我们的真实数值，看过小唐上一篇的人都知道，老规矩先进行拆分，前面的特征放一块，后面的真实值放一块，同时由于数据没有列名，我们选择使用iloc[]来实现分离

def shuju(tr_path,ts_path,sep='\t'):train=pd.read_csv(tr_path,sep=sep)test=pd.read_csv(ts_path,sep=sep)#特征和结果分离train_features=train.iloc[:,:-1].valuestrain_labels=train.iloc[:,-1].valuestest_features = test.iloc[:, :-1].valuestest_labels = test.iloc[:, -1].valuesreturn train_features,test_features,train_labels,test_labels

训练数据我们在这里直接使用sklearn函数，通过选择模型，然后直接生成其识别规则

#训练数据def train_tree(*data):x_train, x_test, y_train, y_test=dataclf=DecisionTreeClassifier()clf.fit(x_train,y_train)print("学习模型预测成绩：{:.4f}".format(clf.score(x_train, y_train)))print("实际模型预测成绩：{:.4f}".format(clf.score(x_test, y_test)))#返回学习模型return clf

数据可视化为了让我们的观察更加直观，我们还可以使用matplotlib来进行观测

def plot_imafe(test,test_labels,preds):plt.ion()plt.show()for i in range(50):label,pred=test_labels[i],preds[i]title='实际值:{},predict{}'.format(label,pred)img=test[i].reshape(28,28)plt.imshow(img,cmap="binary")plt.title(title)plt.show()print('done')

结果

文章图片

文章图片

完整代码

import pandas as pdfrom sklearn.tree import DecisionTreeClassifierimport matplotlib.pyplot as pltdef shuju(tr_path,ts_path,sep='\t'):train=pd.read_csv(tr_path,sep=sep)test=pd.read_csv(ts_path,sep=sep)#特征和结果分离train_features=train.iloc[:,:-1].valuestrain_labels=train.iloc[:,-1].valuestest_features = test.iloc[:, :-1].valuestest_labels = test.iloc[:, -1].valuesreturn train_features,test_features,train_labels,test_labels#训练数据def train_tree(*data):x_train, x_test, y_train, y_test=dataclf=DecisionTreeClassifier()clf.fit(x_train,y_train)print("学习模型预测成绩：{:.4f}".format(clf.score(x_train, y_train)))print("实际模型预测成绩：{:.4f}".format(clf.score(x_test, y_test)))#返回学习模型return clfdef plot_imafe(test,test_labels,preds):plt.ion()plt.show()for i in range(50):label,pred=test_labels[i],preds[i]title='实际值:{},predict{}'.format(label,pred)img=test[i].reshape(28,28)plt.imshow(img,cmap="binary")plt.title(title)plt.show()print('done')train_features,test_features,train_labels,test_labels=shuju(r"C:\Users\twy\PycharmProjects\1\train_images.csv",r"C:\Users\twy\PycharmProjects\1\test_images.csv")clf=train_tree(train_features,test_features,train_labels,test_labels)preds=clf.predict(test_features)plot_imafe(test_features,test_labels,preds)

【python机器学习sklearn实现识别数字】到此这篇关于python机器学习sklearn实现识别数字的文章就介绍到这了,更多相关python sklearn识别数字内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！