15 手写数字识别-小数据集

(作业补交)

2.机器学习相关数学基础

https://www.cnblogs.com/dulidemao/p/13085174.html

3.K均值算法

https://www.cnblogs.com/dulidemao/p/13070275.html

5.线性回归算法

https://www.cnblogs.com/dulidemao/p/13070370.html

9、主成分分析

https://www.cnblogs.com/dulidemao/p/13070418.html

12.朴素贝叶斯-垃圾邮件分类

https://www.cnblogs.com/dulidemao/p/13070574.html

第十三次作业-垃圾邮件分类2

https://www.cnblogs.com/dulidemao/p/13070846.html

1.手写数字数据集

• from sklearn.datasets import load_digits
• digits = load_digits()

 

2.图片数据预处理

• x：归一化MinMaxScaler()
• y：独热编码OneHotEncoder()或to_categorical
• 训练集测试集划分
• 张量结构

 

3.设计卷积神经网络结构

• 绘制模型结构图，并说明设计依据。

model.add(MaxPool2D(pool_size=(2, 2)))# 池化层2
model.add(Dropout(0.25))# 防止过拟合，随机丢掉连接
model.add(Conv2D(filters=64, kernel_size=ks, padding='same', activation='relu'))# 三层卷积
model.add(MaxPool2D(pool_size=(2, 2)))# 池化层1
model.add(Conv2D(filters=128, kernel_size=ks, padding='same', activation='relu'))# 四层卷积
model.add(Dropout(0.25))
model.add(Flatten())# 平坦层
model.add(Dense(128, activation='relu'))# 全连接层
model.add(Dropout(0.25))
model.add(Dense(10, activation='softmax'))# 激活函数softmax
model.summary()

4.模型训练

 

5.模型评价

• model.evaluate()
• 交叉表与交叉矩阵
• pandas.crosstab
• seaborn.heatmap

# 模型评价
score = model.evaluate(X_test, y_test)
print('score：', score)
# 预测值
y_pred = model.predict_classes(X_test)
print('y_pred：', y_pred[:10])
# 交叉表与交叉矩阵
y_test1 = np.argmax(y_test, axis=1).reshape(-1)
y_true = np.array(y_test1)[0]
# 交叉表查看预测数据与原数据对比
pd.crosstab(y_true, y_pred, rownames=['true'], colnames=['predict'])

# 交叉矩阵
y_test1 = y_test1.tolist()[0]
a = pd.crosstab(np.array(y_test1), y_pred, rownames=['Lables'], colnames=['Predict'])
df = pd.DataFrame(a)
sns.heatmap(df, annot=True, cmap="YlGnBu", linewidths=0.2, linecolor='G')
plt.show()