【python】机器学习算法(KNN)入门——手写数字识别

前言

嗨喽~大家好呀，这里是魔王呐 !
最近邻 (k Nearest Neighbors, KNN)算法是一种分类算法
1968年由Cover和Hart提出，应用场景有宁符识别、文本分类、 图像识别等领域。
手写数字识别是一个经典的机器学习问题，通过识别手写体图片来判断数字
因为数字类别是0——9，所以是十分类问题
那今天博主就来教大家探索手写数字的识别
环境使用:

• Python 3.8
  
• Pycharm
  

第三方模块使用:

• Scikit-learn（以前称为scikits.learn，也称为sklearn）
  是针对Python 编程语言的免费软件机器学习库 。
  它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学库NumPy和SciPy联合使用。
  
• matplotlib
  是一个 Python 的 2D绘图库
  它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。
  

如何安装python第三方模块:

• win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
  
• 在pycharm中点击Terminal(终端) 输入安装命令
  

代码展示

1. from sklearn.neighbors import KNeighborsClassifier
2. from sklearn.datasets import load_digits
3. from sklearn.model_selection import train_test_split
4. import matplotlib.pyplot as plt

复制代码

 
加载数据

1. digits = load_digits()
2. data = digits.data

复制代码

　　
数据探索
data里面每个元素代表一张图片

1. print(data[0])

复制代码

 

查看第一幅图像

1. print(digits.images[0])

复制代码

 
第一幅图像代表的数字含义

1. print(digits.target[0])

复制代码

 
将第一幅图像显示出来

1. plt.imshow(digits.images[0])
2. plt.show()

复制代码