数字数据集分类教程 | Scikit-Learn | 机器学习

简介

本实验是一个关于如何使用 scikit-learn 对数字数据集应用分类技术的分步教程。在本实验中，我们将加载数据集、预处理数据、将数据集拆分为训练集和测试集，然后使用两种不同的分类技术（K 近邻和逻辑回归）对数字进行分类。最后，我们将比较这两种技术的准确性。

虚拟机提示

虚拟机启动完成后，点击左上角切换到“笔记本”标签，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。

加载数字数据集

我们将首先使用 scikit-learn 中的load_digits函数加载数字数据集。此函数返回两个数组：包含输入数据的X_digits和包含目标标签的y_digits。

from sklearn import datasets

X_digits, y_digits = datasets.load_digits(return_X_y=True)

预处理数据

然后，我们将通过使用数据的最大值将特征缩放到[0, 1]范围内来预处理数据。这可以通过将输入数据除以输入数据的最大值来完成。

X_digits = X_digits / X_digits.max()

将数据集拆分为训练集和测试集

接下来，我们将使用 scikit-learn 的train_test_split函数将数据集拆分为训练集和测试集。我们将使用 90% 的数据进行训练，10% 的数据进行测试。

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X_digits, y_digits, test_size=0.1, random_state=42)

训练和测试 K 近邻分类器

现在我们将使用 scikit-learn 的KNeighborsClassifier函数训练一个 K 近邻（KNN）分类器，并在测试集上进行测试。然后我们将打印分类器的准确率得分。

from sklearn.neighbors import KNeighborsClassifier

knn = KNeighborsClassifier()
knn.fit(X_train, y_train)
knn_score = knn.score(X_test, y_test)

print("KNN score: %f" % knn_score)

训练和测试逻辑回归分类器

现在我们将使用 scikit-learn 的LogisticRegression函数训练一个逻辑回归分类器，并在测试集上进行测试。然后我们将打印该分类器的准确率得分。

from sklearn.linear_model import LogisticRegression

logistic = LogisticRegression(max_iter=1000)
logistic.fit(X_train, y_train)
logistic_score = logistic.score(X_test, y_test)

print("Logistic Regression score: %f" % logistic_score)

比较两个分类器的准确率

最后，我们将通过打印两个分类器的准确率得分来比较它们的准确率。

print("KNN score: %f" % knn_score)
print("Logistic Regression score: %f" % logistic_score)

总结

在本实验中，我们学习了如何使用 scikit-learn 对数字数据集应用分类技术。我们加载了数据集，对数据进行了预处理，将数据集拆分为训练集和测试集，然后在测试集上训练和测试了两种不同的分类器（K 近邻和逻辑回归）。最后，我们比较了这两种分类器的准确率。

使用 Scikit-Learn 进行数字分类

简介