机器学习应用——sklearn自带数据集训练（支持向量机分类）

总地址：git hub ：machine-learning-python
源地址：分類法/範例一: Recognizing hand-written digits

1.代码

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Date    : 2017-10-20 15:19:37# @Author  : VeeL ([e-mail])# @Link    : http://blog.csdn.net/ml_1019# @Version : $Id$import matplotlib.pyplot as pltfrom sklearn.model_selection import cross_val_predictfrom sklearn import datasets, svm, metricsdigits = datasets.load_digits()images_and_labels = list(zip(digits.images, digits.target))#数据探索# for index, (image, label) in enumerate(images_and_labels[-4:]):#     plt.subplot(2, 4, index + 1)#     plt.axis('off')#     plt.imshow(image, cmap=plt.cm.gray_r, interpolation='nearest')#     plt.title('Training: %i' % label)# plt.show()n_samples = len(digits.images)print(n_samples+1)#(1797, 8, 8) to (1797, 64)data = digits.images.reshape((n_samples, -1))# 產生SVC分類器classifier = svm.SVC(gamma=0.001)# 用前半部份的資料來訓練mid = int((n_samples+1)/2)classifier.fit(data[:mid], digits.target[:mid])# expected = digits.target[mid:]expected = digits.target#利用後半部份的資料來測試分類器，共 899筆資料# predicted = classifier.predict(data[mid:])predicted = cross_val_predict(classifier, data, digits.target, cv=10)  #交叉分类，10折print("Confusion matrix:\n%s"    % metrics.confusion_matrix(expected, predicted))def plot_confusion_matrix(cm, title='Confusion matrix', cmap=plt.cm.Blues):    import numpy as np    #自定义imshow http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.imshow    # plt.imshow(cm, interpolation='nearest', cmap='cmap')    plt.imshow(cm, interpolation='nearest', cmap='jet')    # plt.imshow(cm, interpolation='nearest', cmap='gray')    plt.title(title)    plt.colorbar()    tick_marks = np.arange(len(digits.target_names)) #自定义刻度显示数量    plt.xticks(tick_marks, digits.target_names, rotation=45)    plt.yticks(tick_marks, digits.target_names)    plt.tight_layout() # 紧凑显示图片    plt.ylabel('True label')    plt.xlabel('Predicted label')plt.figure()plot_confusion_matrix(metrics.confusion_matrix(expected, predicted))plt.show()

2.数字分类模型效果：