Здесь мы увидим, как scikit-learn используется для распознавания рукописных цифр.

Scikit-learn — это бесплатная библиотека для машинного обучения для Python. Он включает в себя различные алгоритмы, такие как машина опорных векторов, случайные леса и k-соседей, а также поддерживает числовые и научные библиотеки Python, такие как NumPy и SciPy.

Шаблон моделирования из четырех шагов в scikit-learn:
1. Импорт модели
2. Создание экземпляра
3. Обучение модели
4. Прогнозирование новые данные этикетки

Перед моделированием данных подготовьте и разделите данные для обучения и тестирования.

Я импортировал встроенный набор данных из sklearn.

ИМПОРТ НЕОБХОДИМЫХ БИБЛИОТЕК И НАБОРА ДАННЫХ

СОЗДАЙТЕ ЭКЗЕМПЛЯР ДЛЯ НАБОРА ДАННЫХ:

ЧТОБЫ НАЙТИ, КАК МНОЖЕСТВО СТРОК И СТОЛБЦОВ ИСПОЛЬЗУЕТ SHAPE() МЕТОД:

ВИЗУАЛИЗАЦИЯ:

ПОЕЗДНАЯ И ИСПЫТАТЕЛЬНАЯ РАЗДЕЛКА:

Здесь я разделил 80% данных для поезда и 20% для теста. Как только мы обучим нашу модель, она распознает наши новые данные.

ИСПОЛЬЗУЙТЕ АЛГОРИТМ МАШИННОГО ОБУЧЕНИЯ ДЛЯ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЯ:

Вы можете использовать алгоритм по вашему выбору. Я использую классификатор опорных векторов. Этот алгоритм подпадает под задачу контролируемой классификации.

СОЗДАНИЕ ЭКЗЕМПЛЯРА ДЛЯ МОДЕЛИ

ОБУЧЕНИЕ МОДЕЛИ ЭКЗЕМПЛЯРА:

ПРОГНОЗИРОВАНИЕ НОВЫХ ДАННЫХ

После того, как данные модели обучены, используйте метод прогнозирования для прогнозирования новых данных.

Проверьте, совпадают ли данные поезда и прогноз.

ТОЧНОСТЬ

Чтобы найти производительность модели, импортируйте нужный метод из библиотеки Metrics. Библиотека метрик имеет множество методов для расчета точности, таких как Precision, Recall, F1-score и т. д.,

Здесь я собираюсь использовать метод оценки точности для расчета производительности модели.

ОТЧЕТ

Здесь я получил 95-процентную точность, что означает, что модель правильно предсказала 95%. Вы можете использовать метрики по своему выбору.

ВЫВОД

Из этого блога мы узнали, как с помощью научного набора научиться распознавать рукописные цифры. Надеюсь, это полезно для всех вас. Мы можем обсудить некоторые другие пакеты в другом блоге. Если вы найдете какую-либо ошибку, пожалуйста, дайте мне знать. Спасибо. Хорошего дня.