标签：load Web training 8.4 valid fp test data mnist
本小节是通过使用逻辑回归算法对mnist数据集的数字识别，效果只能说勉强凑合，不过比7.8节的nb算法好一些。
1.源码修改
作者的代码会报错以及报警
(1)报错
Traceback (most recent call last):
File "C:/Users/liujiannan/PycharmProjects/pythonProject/Web安全之机器学习入门/code/8-3.py", line 15, in <module>
training_data, valid_data, test_data=load_data()
File "C:/Users/liujiannan/PycharmProjects/pythonProject/Web安全之机器学习入门/code/8-3.py", line 10, in load_data
training_data, valid_data, test_data = pickle.load(fp)
UnicodeDecodeError: 'ascii' codec can't decode byte 0x90 in position 614: ordinal not in range(128)修改方法
def load_data():
with gzip.open('../data/MNIST/mnist.pkl.gz') as fp:
training_data, valid_data, test_data = pickle.load(fp, encoding="bytes")
return training_data, valid_data, test_data
（2）报警
C:\ProgramData\Anaconda3\lib\site-packages\sklearn\linear_model\logistic.py:432: FutureWarning: Default solver will be changed to 'lbfgs' in 0.22. Specify a solver to silence this warning.
FutureWarning)
C:\ProgramData\Anaconda3\lib\site-packages\sklearn\linear_model\logistic.py:469: FutureWarning: Default multi_class will be changed to 'auto' in 0.22. Specify the multi_class option to silence this warning.
"this warning.", FutureWarning)源码修改
logreg = linear_model.LogisticRegression(C=1e5, solver='liblinear', multi_class='ovr')2.完整代码
基于原作者代码修改可运行在python3环境的源码：
# -*- coding:utf-8 -*-
from sklearn import model_selection
from sklearn.naive_bayes import GaussianNB
import pickle
import gzip
def load_data():
with gzip.open('../data/MNIST/mnist.pkl.gz') as fp:
training_data, valid_data, test_data = pickle.load(fp, encoding="bytes")
return training_data, valid_data, test_data
if __name__ == '__main__':
training_data, valid_data, test_data=load_data()
x1,y1=training_data
x2,y2=test_data
clf = GaussianNB()
clf.fit(x1, y1)
score = model_selection.cross_val_score(clf, x2, y2, scoring="accuracy")
print(score)
print(score.mean())
不过，我们看一下，交叉验证使用的是x2和y2，相当于用x2和y2既训练又测试得到的结果。
3.运行结果
[0.76482924 0.8529853 0.8639231 ]
0.8272458792084002本例虽然作者示例有点问题，但是实际上逻辑回归测试mnist图片效果有很多，很容易做到90%以上，这里只是展示一种用法，不要太较真。
标签：load,Web,training,8.4,valid,fp,test,data,mnist 来源： https://blog.csdn.net/mooyuan/article/details/122759234
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。