机器学习十五----手写数字识别-小数据集

1.手写数字数据集

• from sklearn.datasets import load_digits
• digits = load_digits()

 

 

 

 

2.图片数据预处理

• x：归一化MinMaxScaler()
• y：独热编码OneHotEncoder()或to_categorical
• 训练集测试集划分
• 张量结构

 

# 2、数据预处理
scaler = MinMaxScaler()
X_data = scaler.fit_transform(X_data)  # X归一化
print("归一化后的数据:")
print(X_data)
# Y独热编码
Y = OneHotEncoder().fit_transform(Y_target).todense()
print("独热编码后的标签数据：")
print(Y)

#转换为图片格式
X = X_data.reshape(-1,8,8,1)
print(X)

#划分训练集测试集
X_train,X_test,Y_train,Y_test = train_test_split(X ,Y ,test_size=0.2,random_state=0,stratify=Y)

 

 

 

 

 

 

 

 

3.设计卷积神经网络结构

• 绘制模型结构图，并说明设计依据。

# 3、设计卷积神经网络
model = Sequential()
# 一层卷积
model.add(Conv2D(filters=16,kernel_size=(5, 5),padding='same',input_shape=X_train.shape[1:],activation='relu'))
# 二层卷积
model.add(Conv2D(filters=32,kernel_size=(5, 5),padding='same',activation='relu'))
# 池化层1
model.add(MaxPool2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
#三层卷积
model.add(Conv2D(filters=32,kernel_size=(5, 5),padding='same',activation='relu'))
# 池化层2
model.add(MaxPool2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
# 四层卷积
model.add(Conv2D(filters=64,kernel_size=(5, 5),padding='same',activation='relu'))

model.add(Flatten())
# 全连接层
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.25))
model.add(Dense(10, activation='softmax')) # 激活函数
model.summary()

 

 

 

 

 

 

4.模型训练

• model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
• train_history = model.fit(x=X_train,y=y_train,validation_split=0.2, batch_size=300,epochs=10,verbose=2)

# 4、模型训练
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
train_history = model.fit(x=X_train,y=Y_train,validation_split=0.2, batch_size=300,epochs=10,verbose=2)

 

5.模型评价

# 5、模型评价
score = model.evaluate(X_test,Y_test)
print(score)

# 交叉表和交叉矩阵
# 使用模型对X的测试数据进行预测
y_pre = model.predict_classes(X_test)
print(y_pre)

# 交叉表
y_test = np.argmax(Y_test,axis=1).reshape(-1)
y_true = np.array(y_test)[0]
print(y_true)
pd.crosstab(y_true,y_pre,rownames=["true"],colnames=["predict"])

# 交叉矩阵
a = pd.crosstab(y_true,y_pre)
df = pd.DataFrame(a)
sns.heatmap(df,annot=True,cmap='summer',linewidths=0.2,linecolor='R')
plt.show()