松江品划企业网站建设,局域网建WordPress,新手做视频网站,建设银行江苏官网招聘网站数据说明
是在循环0-9的数字一直循环500次所得到的数据#xff0c;然后以手写照片的形式存在
识别的步骤
加载数据构建目标值构建模型参数调优可视化展示
加载数据
import numpy as np
import matplotlib.pyplot as plt
# 记载数据
data np.load(./digit.npy)
data构建目…数据说明
是在循环0-9的数字一直循环500次所得到的数据然后以手写照片的形式存在
识别的步骤
加载数据构建目标值构建模型参数调优可视化展示
加载数据
import numpy as np
import matplotlib.pyplot as plt
# 记载数据
data np.load(./digit.npy)
data构建目标值
# 构建基础的目标值
y list(np.arange(0,10))*500
# 对生成的目标值进行排序与图片的目标值进行对应
y.sort()
# 为了在拆分数据的时候可以正常拆分
y np.array(y)数据处理和数据拆分
数据处理
X data.reshape(5000,-1)
X.shape # 784:是图片的像素值 也就是图像的特征数据拆分
from sklearn.model_selection import train_test_split
X_tarin,X_test,y_train,y_test train_test_split(X,y,# x,y的数据
test_size0.05 # 验证集的占总数据的比重
,random_state1024 # 随机数的种子)
display(X_tarin.shape,X_test.shape,y_train.shape,y_test.shape)创建模型
from sklearn.neighbors import KNeighborsClassifier
# 创建模型
model KNeighborsClassifier(n_neighbors5)
model.fit(X_tarin,y_train)
# 数据分数
model.score(X_test,y_test)训练数据的结果的分数
参数调优
%%time
from sklearn.model_selection import GridSearchCV
prams dict(n_neighbors [5,7,9,12,15,17,21,23,30],weights[uniform,distance],p[1,2])
estimator KNeighborsClassifier()
gCV GridSearchCV(estimator,prams,cv5,scoringaccuracy)
gCV.fit(X_tarin,y_train) %%time:获取当前程序的运行时间 获取最佳参数
gCV.best_params_获取平均分数
gCV.best_score_获取最佳模型
gCV.best_estimator_数据的验证与预测
best_model gCV.best_estimator_
y_predict gCV.predict(X_test)
print(测试值,y_predict)
print(真实值,y_test)
best_model.score(X_test,y_test)得到的结果在得分上看模型的质量还是有所提升的
可视化
plt.figure(figsize(5*2,10*3))
for i in range(50):plt.subplot(10,5,i1)plt.imshow(X_test[i].reshape(28,28))true y_test[i]predict y_predict[i]plt.title(ftrue:{true}\nfpredict:{predict})坚持学习整理复盘
