搜狐首页 科技 欢乐颂2

手机搜狐

SOHU.COM

scikit-learn机器学习初体验

AI这么火,而且又大多用Python来写。这么好的条件,作为Python粉的你能不学点吗?

作者:xhrwang

原文链接:http://xhrwang.me/2015/02/13/scikit_learn-tutorial.html

本文约 5914 字,读完可能需要 9 分钟。

Why 机器学习在图像和语音识别领域已经有很多成熟的应用,比如:

那机器学习究竟是如何做到这些的呢?本文以图像识别中比较简单的数字识别为例来了解一下。

What

是一个用于数据挖掘和分析的 Python 库,完全开源并封装了很多机器学习的算法,我们可以很方便得对其提供的 SVM算法进行训练并将其用于实际应用场景,解决一些数据量不是很大的问题。

下面的例子将演示如何使用 sklearn库中提供的数字图片 dataset来识别它们表示的实际数字。

最后画出的图形为:

How 安装 scikit-learn

根据 的说明,官方发布的 。那么分别从下面的地址下载安装最新 release 版本:

解决了依赖项问题之后,通过下面的命令安装 sklearn

  1. pip install -U scikit-learn

一个手写数字识别的例子 ,使用 sklearn自带的 dataset对算法进行训练并用于手写数字识别的例子。

准备工作

  1. pip install python-dateutil

  1. pip install pyparsing

Python 代码:

  1. # -*- coding: utf-8 -*-

  2. """

  3. ================================

  4. Recognizing hand-written digits

  5. ================================

  6. An example showing how the scikit-learn can be used to recognize images of

  7. hand-written digits.

  8. This example is commented in the

  9. :ref:`tutorial section of the user manual introduction`.

  10. """

  11. # 打印出上面的文档信息,Python 里面使用 """

  12. # 多行注释的信息被当作文档信息,可以对源代码、类、方法等进行注释从而生成文档,是自解释的机制

  13. print(__doc__)

  14. # 下面是 scikit----learn 官方例子的作者信息

  15. # Author: Gael Varoquaux gael dot varoquaux at normalesup dot org

  16. # License: BSD 3 clause

  17. # 导入用于科学计算的库

  18. importmatplotlib.pyplot asplt

  19. # 导入 sklearn 自带的手写数字 dataset,以及进行机器学习的模块

  20. fromsklearn importdatasets,svm,metrics

  21. # 加载 sklearn 自带的手写数字 dataset

  22. digits =datasets.load_digits()

  23. # 这里我们感兴趣的数据是不同灰度的 8x8 个小格子组成的图像

  24. # 如果我们直接使用图像进行处理,就需要使用 pylab.imread 来加载图像数据,而且这些图像数据必须都是 8x8 的格式

  25. # 对于这个 dataset 中的图像,dataset.target 给出了它们实际对应的数字

  26. images_and_labels =list(zip(digits.images,digits.target))

  27. forindex,(image,label)inenumerate(images_and_labels[:4]):

  28. plt.subplot(2,4,index +1)

  29. plt.axis('off')

  30. plt.imshow(image,cmap=plt.cm.gray_r,interpolation='nearest')

  31. plt.title('Training: %i'%label)

  32. # 为了使用分类器,需要将每个表示手写图像的 8x8 数字转换为一个数字数组

  33. # 这样 digits.images 就变为了(采样,采样特性)的一个矩阵

  34. n_samples =len(digits.images)

  35. data =digits.images.reshape((n_samples,-1))

  36. print(digits.images[0])

  37. print(data[0])

  38. # 创建一个分类器,这里 gamma 的值是给定的,可以通过 grid search 和 cross validation 等技术算出更好的值。

  39. # 下面的链接有个例子是自己算 gamma:

  40. # http://efavdb.com/machine-learning-with-wearable-sensors/

  41. classifier =svm.SVC(gamma=0.001)

  42. # 用前半部分数据训练分类器

  43. classifier.fit(data[:n_samples /2],digits.target[:n_samples /2])

  44. # 对后半部分数据使用训练好的分类器进行识别

  45. expected =digits.target[n_samples /2:]

  46. predicted =classifier.predict(data[n_samples /2:])

  47. # 打印分类器的运行时信息以及期望值和实际识别的值

  48. print("Classification report for classifier %s:n%sn"

  49. %(classifier,metrics.classification_report(expected,predicted)))

  50. print("Confusion matrix:n%s"%

  51. metrics.confusion_matrix(expected,predicted))

  52. # 画出手写数字的图像并给出识别出的值

  53. images_and_predictions =list(

  54. zip(digits.images[n_samples /2:],predicted))

  55. forindex,(image,prediction)inenumerate(images_and_predictions[:4]):

  56. plt.subplot(2,4,index +5)

  57. plt.axis('off')

  58. plt.imshow(image,cmap=plt.cm.gray_r,interpolation='nearest')

  59. plt.title('Prediction: %i'%prediction)

  60. plt.show()

精选