15.手写数字识别-小数据集（load_digits）

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

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。

先导入相关的包

然后设计模型结构，因为图片是（8,8）的像素规模，在池化方面，就最多能池化3次

在卷积上，可以多次卷积，我选择的（3,3）的卷积核，然后卷积的方式是same，即卷积完成后，得到和卷积前同样大小的结果。

 构建模型结果：

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

• model.evaluate()
• 交叉表与交叉矩阵
• pandas.crosstab
• seaborn.heatmap

 观察预测值和实际值

 通过交叉矩阵观察预测值与实际值的符合情况

  通过热力图观察预测值与实际值的符合程度

 

小结：模型构建完成后，得到的精确率在96%左右，说明模型的构建还是有一定的不足，应该更加优化卷积和池化的安排，尝试不同的卷积核得到的模型

从热力图看得出来，在预测数字8的时候容易和数字1混淆，如果是实际应用中则需要加多数字8的样本，让模型能够更好的学习到数字8的特征。也能进行更好的预测。