SKLearn 手写数字识别(Recognizing hand-written digits)

分类

1)监督学习：
i)分类；
ii)回归
2)无监督学习：
i)聚类；
ii)密度估计；
iii)数据可视化。

步骤

步骤简图

i)加载数据(datasets.load)
ii)学习训练(svm.SVC,.fit(data,target))
iii)预测数值(predict)
iv)保存模型(joblib.dump)

加载数据

通过如下指令获取数据，以手写数字数据集为例：
输入

$python
from sklearn import datasets
digits = datasets.load_digits()

输出
手写数字数据集保存到iris中。
Tip
i).data中存有数据信息
ii).target中存有监督学习所需的一个或多个响应参数，即标签

学习训练

输入
通过如下指令加载分类器，此处使用的是SVM分类器。

from sklearn import svm
clf = svm.SVC(gamma=0.001, C=100.)

输出
以gamma=0.001,C=100为参数加载了SVM分类器。

输入
训练模型，通过以下指令进行。

clf.fit(digits.data[:-1], digits.target[:-1])  

输出
输出对应的分类器参数

SVC(C=100.0, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape='ovr', degree=3, gamma=0.001, kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False)

预测数值

输入
输入期望预测的数据

clf.predict(digits.data[-1:])

输出
输出训练后模型预测的结果

array([8])

完整代码

输入

# encoding: utf-8
print(__doc__)

# 引用数据库
import matplotlib.pyplot as plt
from sklearn import datasets, svm, metrics

# 加载数据
digits = datasets.load_digits()
images_and_labels = list(zip(digits.images, digits.target))

# 显示训练数据
for index, (image, label) in enumerate(images_and_labels[:5]):
    plt.subplot(2, 4, index + 1)
    plt.axis('off')
    plt.imshow(image, cmap=plt.cm.gray_r, interpolation='nearest')
    plt.title('Training: %i' % label)

# 数据预处理
n_samples = len(digits.images)
data = digits.images.reshape((n_samples, -1))

# 学习训练
classifier = svm.SVC(gamma=0.001)
classifier.fit(data[:n_samples // 2], digits.target[:n_samples // 2])

# 预测数值
expected = digits.target[n_samples // 2:]
predicted = classifier.predict(data[n_samples // 2:])

# 分类器测试及混淆矩阵
print("Classification report for classifier %s:\n%s\n"
      % (classifier, metrics.classification_report(expected, predicted)))
print("Confusion matrix:\n%s" % metrics.confusion_matrix(expected, predicted))

# 显示预测数值
images_and_predictions = list(zip(digits.images[n_samples // 2:], predicted))
for index, (image, prediction) in enumerate(images_and_predictions[:4]):
    plt.subplot(2, 4, index + 5)
    plt.axis('off')
    plt.imshow(image, cmap=plt.cm.gray_r, interpolation='nearest')
    plt.title('Prediction: %i' % prediction)

plt.show()

输出

Classification report for classifier SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape='ovr', degree=3, gamma=0.001, kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False):
              precision    recall  f1-score   support

           0       1.00      0.99      0.99        88
           1       0.99      0.97      0.98        91
           2       0.99      0.99      0.99        86
           3       0.98      0.87      0.92        91
           4       0.99      0.96      0.97        92
           5       0.95      0.97      0.96        91
           6       0.99      0.99      0.99        91
           7       0.96      0.99      0.97        89
           8       0.94      1.00      0.97        88
           9       0.93      0.98      0.95        92

   micro avg       0.97      0.97      0.97       899
   macro avg       0.97      0.97      0.97       899
weighted avg       0.97      0.97      0.97       899


Confusion matrix:
[[87  0  0  0  1  0  0  0  0  0]
 [ 0 88  1  0  0  0  0  0  1  1]
 [ 0  0 85  1  0  0  0  0  0  0]
 [ 0  0  0 79  0  3  0  4  5  0]
 [ 0  0  0  0 88  0  0  0  0  4]
 [ 0  0  0  0  0 88  1  0  0  2]
 [ 0  1  0  0  0  0 90  0  0  0]
 [ 0  0  0  0  0  1  0 88  0  0]
 [ 0  0  0  0  0  0  0  0 88  0]
 [ 0  0  0  1  0  1  0  0  0 90]]

保存模型

i)方法1
输入
通过下列指令将clf参数赋予clf2

import pickle
s = pickle.dumps(clf)
clf2 = pickle.loads(s)

输出
clf2被赋予clf模型所应有的参数。

ii)方法2
输入
部分情况下可以通过joblib库进行，其可以将模型保存到具体文件中。
输入如下指令

from sklearn.externals import joblib
joblib.dump(clf, 'filename.pkl') 
clf = joblib.load('filename.pkl')

输出
dump指令将clf模型保存到filename.pkl文件中，load指令让clf读入保存的模型参数

参考

[1]An introduction to machine learning with scikit-learn