使用LogisticRegression逻辑回归完成MNIST的识别使用LogisticRegression逻辑回归完

MNIST 数据集是经典的手写数字识别数据集，每个样本28*28

文章图片
精简版MNIST：一共1797个样本，每个样本8*8，sklearn自带
完整版MNIST：一共6万个样本（5万个训练，1万个测试），每个样本28*28
http://deeplearning.net/data/mnist/mnist.pkl.gz

# 引入包
【使用LogisticRegression逻辑回归完成MNIST的识别】from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn import preprocessing
from sklearn.metrics import accuracy_score
from sklearn.datasets import load_digits

# 加载数据
digits = load_digits()
data = https://www.it610.com/article/digits.data

# 数据预处理
# 采用Z-Score规范化
ss = preprocessing.StandardScaler()
train_ss_x = ss.fit_transform(train_x)
test_ss_x = ss.transform(test_x)

# 创建LR分类器
lr = LogisticRegression()
lr.fit(train_ss_x, train_y)
predict_y=lr.predict(test_ss_x)
print('LR准确率: %0.4lf' % accuracy_score(test_y, predict_y))

LR准确率: 0.9644