python机器学习sklearn怎么实现识别数字

这篇文章主要介绍了python机器学习sklearn怎么实现识别数字的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python机器学习sklearn怎么实现识别数字文章都会有所收获，下面我们一起来看看吧。

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].values    train_labels=train.iloc[:,-1].values    test_features = test.iloc[:, :-1].values    test_labels = test.iloc[:, -1].values    return 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=data    clf=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

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].values    train_labels=train.iloc[:,-1].values    test_features = test.iloc[:, :-1].values    test_labels = test.iloc[:, -1].values    return train_features,test_features,train_labels,test_labels#训练数据def train_tree(*data):    x_train, x_test, y_train, y_test=data    clf=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)

关于“python机器学习sklearn怎么实现识别数字”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“python机器学习sklearn怎么实现识别数字”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注编程网Python频道。