标签:digits predict test train 手写体 import 识别 向量 sklearn
导入手写体加载器
# 从sklearn.datasets里导入手写体数字加载器。 from sklearn.datasets import load_digits digits = load_digits()
分割数据
四分之一作为测试集。
from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.25, random_state=33)
数据标准化处理
# 从sklearn.preprocessing里导入数据标准化模块。 from sklearn.preprocessing import StandardScaler # 从sklearn.svm里导入基于线性假设的支持向量机分类器LinearSVC。 # 将数据标准化 from sklearn.svm import LinearSVC ss = StandardScaler() X_train = ss.fit_transform(X_train) X_test = ss.transform(X_test)
模型训练
# 初始化线性假设的支持向量机分类器LinearSVC。 # 用模型训练 lsvc = LinearSVC() #进行模型训练 lsvc.fit(X_train, y_train) # 利用训练好的模型对测试样本的数字类别进行预测,预测结果储存在变量y_predict中。 y_predict = lsvc.predict(X_test) print(y_predict)
预测结果为:
预测性能评分
# 查看评分 print( lsvc.score(X_test, y_test)) from sklearn.metrics import classification_report print(classification_report(y_test, y_predict, target_names=digits.target_names.astype(str)))
标签:digits,predict,test,train,手写体,import,识别,向量,sklearn 来源: https://www.cnblogs.com/ld66/p/15311331.html
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。