我们已经知道手写字体数据集是一个8×8的矩阵,共有64个特征。让我们看一下K最近邻算法对手写字体数据集处理的效果。
这里我们将用到 datasets 中的手写字体数据,使用 train_test_split 进行训练集和测试集的分割,然后使用 KNeighborsClassifier 进行分类。
In [1]: from sklearn import datasets
...: from sklearn.model_selection import train_test_split
...: from sklearn.neighbors import KNeighborsClassifier
In [2]: digits = datasets.load_digits()
这里注意赋值的是“data”,而不是“images”。“data”已经将图片处理成数字。
In [3]: X = digits.data
In [4]: y = digits.target
分别抽样选出训练集和测试集,这里我们将测试集的比重设置为20%。
In [5]: X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
k 值选择 3。
In [6]: kNN_classifier = KNeighborsClassifier(n_neighbors=3) #k值选择3
In [7]: kNN_classifier.fit(X_train, y_train)
Out[7]:
KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
metric_params=None, n_jobs=1, n_neighbors=3, p=2,
weights='uniform')
In [8]: kNN_classifier.score(X_test,y_test)
Out[8]: 0.9916666666666667