scikit中手写数字库

波大大12138 · 发表于 2021-7-9 00:51:39

马上注册，结交更多好友，享用更多功能^_^

您需要登录才可以下载或查看，没有账号？立即注册

x

本帖最后由波大大12138 于 2021-7-9 22:52 编辑

#digits手写字体识别数据集
#导入相关模块
import matplotlib
import matplotlib.pyplot as plt
from sklearn import datasets
#digits手写字体识别数据集
#导入相关模块
import matplotlib
import matplotlib.pyplot as plt
from sklearn import datasets
数据集结构
#获取手写数据集
digits=datasets.load_digits()
#查看数据集结构
digits.keys()
dict_keys(['data', 'target', 'target_names', 'images', 'DESCR'])
#获取目标变量种类
#获取目标变量种类
digits['target_names']
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

digits['images']
array([[[ 0.,  0.,  5., ...,  1.,  0.,  0.],
      [ 0.,  0., 13., ..., 15.,  5.,  0.],
      [ 0.,  3., 15., ..., 11.,  8.,  0.],
      ...,
      [ 0.,  4., 11., ..., 12.,  7.,  0.],
      [ 0.,  2., 14., ..., 12.,  0.,  0.],
      [ 0.,  0.,  6., ...,  0.,  0.,  0.]],

   [[ 0.,  0.,  0., ...,  5.,  0.,  0.],
      [ 0.,  0.,  0., ...,  9.,  0.,  0.],
      [ 0.,  0.,  3., ...,  6.,  0.,  0.],
      ...,
      [ 0.,  0.,  1., ...,  6.,  0.,  0.],
      [ 0.,  0.,  1., ...,  6.,  0.,  0.],
      [ 0.,  0.,  0., ..., 10.,  0.,  0.]],

   [[ 0.,  0.,  0., ..., 12.,  0.,  0.],
      [ 0.,  0.,  3., ..., 14.,  0.,  0.],
      [ 0.,  0.,  8., ..., 16.,  0.,  0.],
      ...,
      [ 0.,  9., 16., ...,  0.,  0.,  0.],
      [ 0.,  3., 13., ..., 11.,  5.,  0.],
      [ 0.,  0.,  0., ..., 16.,  9.,  0.]],

   ...,

   [[ 0.,  0.,  1., ...,  1.,  0.,  0.],
      [ 0.,  0., 13., ...,  2.,  1.,  0.],
      [ 0.,  0., 16., ..., 16.,  5.,  0.],
      ...,
      [ 0.,  0., 16., ..., 15.,  0.,  0.],
      [ 0.,  0., 15., ..., 16.,  0.,  0.],
      [ 0.,  0.,  2., ...,  6.,  0.,  0.]],

   [[ 0.,  0.,  2., ...,  0.,  0.,  0.],
      [ 0.,  0., 14., ..., 15.,  1.,  0.],
      [ 0.,  4., 16., ..., 16.,  7.,  0.],
      ...,
      [ 0.,  0.,  0., ..., 16.,  2.,  0.],
      [ 0.,  0.,  4., ..., 16.,  2.,  0.],
      [ 0.,  0.,  5., ..., 12.,  0.,  0.]],

   [[ 0.,  0., 10., ...,  1.,  0.,  0.],
      [ 0.,  2., 16., ...,  1.,  0.,  0.],
      [ 0.,  0., 15., ..., 15.,  0.,  0.],
      ...,
      [ 0.,  4., 16., ..., 16.,  6.,  0.],
      [ 0.,  8., 16., ..., 16.,  8.,  0.],
      [ 0.,  1.,  8., ..., 12.,  1.,  0.]]])

digits['target']
array([0, 1, 2, ..., 8, 9, 8])
实例
#获取所有实例特征数据
x=digits['data']
x
array([[ 0.,  0.,  5., ...,  0.,  0.,  0.],
   [ 0.,  0.,  0., ..., 10.,  0.,  0.],
   [ 0.,  0.,  0., ..., 16.,  9.,  0.],
   ...,
   [ 0.,  0.,  1., ...,  6.,  0.,  0.],
   [ 0.,  0.,  2., ..., 12.,  0.,  0.],
   [ 0.,  0., 10., ..., 12.,  1.,  0.]])
len(x)
1797
x[0],x[1]
(array([ 0.,  0.,  5., 13.,  9.,  1.,  0.,  0.,  0.,  0., 13., 15., 10.,
      15.,  5.,  0.,  0.,  3., 15.,  2.,  0., 11.,  8.,  0.,  0.,  4.,
      12.,  0.,  0.,  8.,  8.,  0.,  0.,  5.,  8.,  0.,  0.,  9.,  8.,
      0.,  0.,  4., 11.,  0.,  1., 12.,  7.,  0.,  0.,  2., 14.,  5.,
      10., 12.,  0.,  0.,  0.,  0.,  6., 13., 10.,  0.,  0.,  0.]),
array([ 0.,  0.,  0., 12., 13.,  5.,  0.,  0.,  0.,  0.,  0., 11., 16.,
      9.,  0.,  0.,  0.,  0.,  3., 15., 16.,  6.,  0.,  0.,  0.,  7.,
      15., 16., 16.,  2.,  0.,  0.,  0.,  0.,  1., 16., 16.,  3.,  0.,
      0.,  0.,  0.,  1., 16., 16.,  6.,  0.,  0.,  0.,  0.,  1., 16.,
      16.,  6.,  0.,  0.,  0.,  0.,  0., 11., 16., 10.,  0.,  0.]))
len(x[0])
64
#将每个实例转换为图形矩阵
image_matrix=x[0].reshape(8,8)
image_matrix
array([[ 0.,  0.,  5., 13.,  9.,  1.,  0.,  0.],
   [ 0.,  0., 13., 15., 10., 15.,  5.,  0.],
   [ 0.,  3., 15.,  2.,  0., 11.,  8.,  0.],
   [ 0.,  4., 12.,  0.,  0.,  8.,  8.,  0.],
   [ 0.,  5.,  8.,  0.,  0.,  9.,  8.,  0.],
   [ 0.,  4., 11.,  0.,  1., 12.,  7.,  0.],
   [ 0.,  2., 14.,  5., 10., 12.,  0.,  0.],
   [ 0.,  0.,  6., 13., 10.,  0.,  0.,  0.]])
plt.imshow(image_matrix,cmap=matplotlib.cm.binary)
<matplotlib.image.AxesImage at 0x2997ce08518>

digits['images']
array([[[ 0.,  0.,  5., ...,  1.,  0.,  0.],
      [ 0.,  0., 13., ..., 15.,  5.,  0.],
      [ 0.,  3., 15., ..., 11.,  8.,  0.],
      ...,
      [ 0.,  4., 11., ..., 12.,  7.,  0.],
      [ 0.,  2., 14., ..., 12.,  0.,  0.],
      [ 0.,  0.,  6., ...,  0.,  0.,  0.]],

   [[ 0.,  0.,  0., ...,  5.,  0.,  0.],
      [ 0.,  0.,  0., ...,  9.,  0.,  0.],
      [ 0.,  0.,  3., ...,  6.,  0.,  0.],
      ...,
      [ 0.,  0.,  1., ...,  6.,  0.,  0.],
      [ 0.,  0.,  1., ...,  6.,  0.,  0.],
      [ 0.,  0.,  0., ..., 10.,  0.,  0.]],

   [[ 0.,  0.,  0., ..., 12.,  0.,  0.],
      [ 0.,  0.,  3., ..., 14.,  0.,  0.],
      [ 0.,  0.,  8., ..., 16.,  0.,  0.],
      ...,
      [ 0.,  9., 16., ...,  0.,  0.,  0.],
      [ 0.,  3., 13., ..., 11.,  5.,  0.],
      [ 0.,  0.,  0., ..., 16.,  9.,  0.]],

   ...,

   [[ 0.,  0.,  1., ...,  1.,  0.,  0.],
      [ 0.,  0., 13., ...,  2.,  1.,  0.],
      [ 0.,  0., 16., ..., 16.,  5.,  0.],
      ...,
      [ 0.,  0., 16., ..., 15.,  0.,  0.],
      [ 0.,  0., 15., ..., 16.,  0.,  0.],
      [ 0.,  0.,  2., ...,  6.,  0.,  0.]],

   [[ 0.,  0.,  2., ...,  0.,  0.,  0.],
      [ 0.,  0., 14., ..., 15.,  1.,  0.],
      [ 0.,  4., 16., ..., 16.,  7.,  0.],
      ...,
      [ 0.,  0.,  0., ..., 16.,  2.,  0.],
      [ 0.,  0.,  4., ..., 16.,  2.,  0.],
      [ 0.,  0.,  5., ..., 12.,  0.,  0.]],

   [[ 0.,  0., 10., ...,  1.,  0.,  0.],
      [ 0.,  2., 16., ...,  1.,  0.,  0.],
      [ 0.,  0., 15., ..., 15.,  0.,  0.],
      ...,
      [ 0.,  4., 16., ..., 16.,  6.,  0.],
      [ 0.,  8., 16., ..., 16.,  8.,  0.],
      [ 0.,  1.,  8., ..., 12.,  1.,  0.]]])
#
y=digits['target']
y
array([0, 1, 2, ..., 8, 9, 8])
len(y)
1797

问题描述：1这个image存的是实例化数字对应的图形矩阵，为什么单独看某个实例数字还要把data转为图形矩阵，我可以直接对image直接操作吗？怎么操作呢？

2：#将每个实例转换为图形矩阵
image_matrix=x[0].reshape(8,8)
image_matrix
这个说是对每一个实例转为图形矩阵，我理解是只对x【0】这一个实例？
3：y
array([0, 1, 2, ..., 8, 9, 8])
这个查看目标变量后面多出8什么意思？
4我观察了每个数字对应得矩阵信息的二值化数值，两边数字小，中间数字大，而实际两边是白色，中间是黑色，不应该是两边对应的数字要大吗，中间黑色对应二值化数字小吗？

5以往的数据集中，有特征数据，特征变量名，目标数据，目标变量名，这个数据集中为什么只有特征数据，没有特征名，我想用pandas去看看这个数据集数据都怎么对应保存的？

学渣李某人 · 发表于 2021-7-9 11:03:42

本帖最后由学渣李某人于 2021-7-9 11:05 编辑

1. image是一维的矩阵, 图像是二维矩阵, 所以要reshape一下
2. x[0]是训练集, 就是训练数据, x[1]是测试数据, 就是测试准确度的
3. target指的是这些数据实际分别对应的数字, 并不是多出8, 如果都打印出来, 你会发现基本是随机的

波大大12138 · 发表于 2021-7-9 22:19:55

学渣李某人发表于 2021-7-9 11:03
1. image是一维的矩阵, 图像是二维矩阵, 所以要reshape一下
2. x[0]是训练集, 就是训练数据, x[1]是测试数 ...

谢谢，大体理解了，但是对于mage_matrix=x[0].reshape(8,8)这条代码，我还是有疑问，他这条代码的结果只有64个二值化数字，对应于一个实际数字，而不是所有，这个image是库中已经集成好的一个类别吗，本身存储就是二维矩阵形式是吗

波大大12138 · 发表于 2021-7-9 22:37:17

学渣李某人发表于 2021-7-9 11:03
1. image是一维的矩阵, 图像是二维矩阵, 所以要reshape一下
2. x[0]是训练集, 就是训练数据, x[1]是测试数 ...

我很想看看所有实例数字在里面怎么存的？

学渣李某人 · 发表于 2021-7-10 15:50:42

波大大12138 发表于 2021-7-9 22:37
我很想看看所有实例数字在里面怎么存的？

你等下, 我运行下你的代码

学渣李某人 · 发表于 2021-7-10 16:04:02

波大大12138 发表于 2021-7-9 22:19
谢谢，大体理解了，但是对于mage_matrix=x[0].reshape(8,8)这条代码，我还是有疑问，他这条代码的结果只 ...

我看错了, x[0]就是单一的数字, 转化为8*8只是方便查看是否正确, 实际训练时用1*64的就可以

账号		自动登录	找回密码
密码			立即注册