前几天准备把机器学习的二元分类器来测试一番，但是发现MNIST数据集很久都加载不进来，于是到sklearn官网上搜索，发现有个 8x8 像素的数字图像组成数据集，于是乎用它的案例来测试验证。
先看看数据集的组成。手写数字数据集有1797个，每幅图像存储 8x8 阵列的灰度值。
看一下其他几个字典的第一个值，target表明这个数字是0，images是8*8的格式，data是64*1的格式 。数组的每个元素都是一副图像，该图像由一个8x8数值矩阵标识，矩阵中的数值代表从0（白色）到15（黑色）的灰度。
下面的代码可以可视化的查看手写的数字图形，并且可以查看像素中每个小格的灰度值。
详细的案例的在Recognizing hand-written digits。整个案例分为以下的四个部分，代码就不再详细阐述了。
1、加载数字数据集。
2、要在此数据上应用分类器，digits.images.reshape预处理将图像平整为一行多列的机器学习算法可用的数据。
3、分类指标的文本报告。
4、绘制真实数字值和预测数字值的混淆矩阵，是一个误差矩阵，通常我们可以通过混淆矩阵来评定监督学习算法的性能，清晰的反映出真实值与预测值相互吻合的部分。
下面是输出的混淆矩阵，那真实值6来说，有90次预测正确，但是有一次预测为1，从手写数字来说，这个是有可能的 。
笔者使用joblib模块将训练后的模型保存下来，模型大小为337kb 。在后面就可以使用load这个训练好的模型 。
import joblib
joblib.dump(clf,"my_train_model.pkl")
my_model=joblib.load('my_train_model.pkl')
那么最后笔者就来自己检测本地的手写数字了，注意plt.imread之后也需要按照案例里面的代码一样将数据平化处理。
my_image = plt.imread('test.png')
my_image_after = my_image.reshape(len(my_image),-1)
my_predicted=clf.predict(my_image_after)
print('my own PNG predicted:',my_predicted)
但是发现提示错误，只能检测8x8 阵列，那么图片也需要压缩处理为这个格式才能使用这个模型，在实际运用中就需要前端来完成这个工作 。
K-均值聚类可以对图像进行分组。详情参考A demo of K-Means clustering on the handwritten digits data。
网友评论