用KNN演算法來進行數字識別，還是用sklearn自帶的digits資料集，
# coding:utf-8
# KNN演算法實作手寫識別
from sklearn import neighbors
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
import matplotlib.pyplot as plt
if __name__ == "__main__":
# 加載資料
digits = load_digits()
x_data = https://www.cnblogs.com/zwdnet/p/digits.data
y_data = digits.target
print(x_data.shape)
print(y_data.shape)
# 劃分訓練測驗集
x_train, x_test, y_train, y_test = train_test_split(x_data, y_data)
# 訓練
knn = neighbors.KNeighborsClassifier(algorithm ="kd_tree", n_neighbors = 3)
knn.fit(x_train, y_train)
# 準確率評估
predictions = knn.predict(x_test)
print(classification_report(y_test, predictions))
除了訓練那部分，代碼幾乎都是抄前文的，可以看到用sklearn庫非常方便，結果也很好，準確率98%，
KNN的準確率遠高于MLP分類器，原因是MLP在小資料集上容易過擬合，而且MLP對于引數調整比較敏感，
接下來是強化學習，
我發文章的四個地方，歡迎大家在朋友圈等地方分享，歡迎點“在看”，
我的個人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的博客園博客地址： https://www.cnblogs.com/zwdnet/
我的微信個人訂閱號：趙瑜敏的口腔醫學學習園地
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/183073.html
標籤：Python
上一篇：Pandas的基礎用法