python教程分享Python机器学习库scikitlearn入门开发示例

clf . score ( xtest , ytest)

#导入库  %matplotlib inline  import matplotlib.pyplot as plt  import numpy as np  """  sk-learn库中自带了一些数据集  此处使用的就是手写数字识别图片的数据  """  # 导入sklearn库中datasets模块  from sklearn import datasets  # 利用datasets模块中的函数load_digits()进行数据加载  digits = datasets.load_digits()  # 把数据所代表的图片显示出来  images_and_labels = list(zip(digits.images, digits.target))  plt.figure(figsize=(8, 6))  for index, (image, label) in enumerate(images_and_labels[:8]):      plt.subplot(2, 4, index + 1)      plt.axis('off')      plt.imshow(image, cmap=plt.cm.gray_r, interpolation='nearest')      plt.title('digit: %i' % label, fOntsize=20);

# 将数据保存为 样本个数x特征个数 格式的array对象 的数据格式进行输出  # 数据已经保存在了digits.data文件中  print("shape of raw image data: {0}".format(digits.images.shape))  print("shape of data: {0}".format(digits.data.shape))

# 把数据分成训练数据集和测试数据集（此处将数据集的百分之二十作为测试数据集）  from sklearn.model_selection import train_test_split  xtrain, xtest, ytrain, ytest = train_test_split(digits.data, digits.target, test_size=0.20, random_state=2);  # 使用支持向量机来训练模型  from sklearn import svm  clf = svm.svc(gamma=0.001, c=100., probability=true)  # 使用训练数据集xtrain和ytrain来训练模型  clf.fit(xtrain, ytrain);

"""  sklearn.metrics.accuracy_score(y_true, y_pred, normalize=true, sample_weight=none)  normalize：默认值为true，返回正确分类的比例；如果为false，返回正确分类的样本数  """  # 评估模型的准确度(此处默认为true，直接返回正确的比例，也就是模型的准确度)  from sklearn.metrics import accuracy_score  # predict是训练后返回预测结果，是标签值。  ypred = clf.predict(xtest);  accuracy_score(ytest, ypred)

"""  将测试数据集里的部分图片显示出来  图片的左下角显示预测值，右下角显示真实值  """  # 查看预测的情况  fig, axes = plt.subplots(4, 4, figsize=(8, 8))  fig.subplots_adjust(hspace=0.1, wspace=0.1)  for i, ax in enumerate(axes.flat):      ax.imshow(xtest[i].reshape(8, 8), cmap=plt.cm.gray_r, interpolation='nearest')      ax.text(0.05, 0.05, str(ypred[i]), fOntsize=32,              transform=ax.transaxes,              color='green' if ypred[i] == ytest[i] else 'red')      ax.text(0.8, 0.05, str(ytest[i]), fOntsize=32,              transform=ax.transaxes,              color='black')      ax.set_xticks([])      ax.set_yticks([])

# 保存模型参数  import joblib  joblib.dump(clf, 'digits_svm.pkl');

# 导入模型参数，直接进行预测  clf = joblib.load('digits_svm.pkl')  ypred = clf.predict(xtest);  clf.score(xtest, ytest)