|
马上注册,结交更多好友,享用更多功能^_^
您需要 登录 才可以下载或查看,没有账号?立即注册
x
这是一个数字图像识别的案例,想要做这个必须要下载mnist-original.mat这个文件,大约50多兆(因为官方的下载接口已经再2016年关闭了,我们必须自己去网上找),把下载下来的文件放进你自己的文件夹里,下一步就要读取这个文件:
先引入模块:
- from sklearn.datasets import fetch_mldata
复制代码
然后继续输入:
- mnist=fetch_mldata('MNIST original',data_home='.\datasets\mldata')
- mnist
复制代码
这里data_home属性要设定你文件所在的目录,输入完执行后会显示如下内容:
就证明文件读取成功了,然后从里面取出我们要的输入相和输出项:
- X,y=mnist["data"],mnist["target"]
- X.shape
复制代码
底下会显示:(70000, 784),就是一个7万行,784列的矩阵,然后看看输出项:
显示为:(70000,)。这里X的每一行就代表一个数字的图像,这个784其实是个28*28的方阵,我们需要把它还原,代码如下:
- %matplotlib inline
- import matplotlib
- import matplotlib.pyplot as plt
- some_digit=X[36000]
- some_digit_imge=some_digit.reshape(28,28)
- plt.imshow(some_digit_imge,cmap=matplotlib.cm.binary,interpolation="nearest")
- plt.axis("off")
- plt.show()
复制代码
底下会显示出图像:
然后看看这个图像输出是什么:
显示输出是5.0,这就是个数字5。然后还是跟以前一样分为训练和测试集:
- X_train,X_test,y_train,y_test=X[:60000],X[60000:],y[:60000],y[60000:]
复制代码
这里面前60000个图是训练集,后10000个是测试集,然后再给打乱顺序:
- import numpy as np
- shuffle_index=np.random.permutation(60000)
- X_train,y_train=X_train[shuffle_index],y_train[shuffle_index]
复制代码
|
|