deeplearning----利用逻辑回归分类MINIST数字
来源:互联网 发布:淘宝店铺装修自学 编辑:程序博客网 时间:2024/06/04 09:21
Google实验室的Corinna Cortes和纽约大学柯朗研究所的Yann LeCun建有一个手写数字数据库,训练库有60,000张手写数字图像,测试库有10,000张。
请访问原站
模型
对数回归模型是线性概率分类器,它有两个参数,权重矩阵W和偏移向量b.分类的过程是把数据投影到一组高维超平面上,数据和平面的距离反应了它属于这个类别的概率。这个模型的数学公式可以表示为:
#
模型的输出即为预测的结果,它的值为:
代码如下:
原例子中的mnist.pkl.gz是压缩后的数据族,为了能够便于C++直接处理,我们首先把mnist.pkl.gz改成易于处理的数据-结果对,即:将mnist.pkl解压为6个文件:
train_set_x, train_set_y
valid_set_x, valid_set_y
test_set_x, test_set_y
对应train,valid,test三个集合(每个集合两对,即数据-结果对)。
train_set_x中的784列对应train_set_y中的一行,即代表一个测试数据集合。其中train_set_x每一行是一个浮点数,784行(784为28x28的灰度浮点数 )代表一个数字的灰度图,对应train_set_y的一行,即对应的数字。
这个python程序如下,很简单,写成文本文件好了,然后再写一个C++程序读这个文本文件,转成相关的 二进制文件。
我的python版本是2.7,所以与3.X版本的语法上有区别,要注意:
# -*- coding: utf-8 -*-"""Spyder EditorThis temporary script file is located here:C:\Users\asus\.spyder2\.temp.py"""import picklef = open(r'e:\mnist.pkl', 'rb')#write_file=open(r'e:\ab.txt','wb')train_set,valid_set, test_set = pickle.load(f)f.close()test_set_x, test_set_y = test_settrain_set_x, train_set_y = train_setvalid_set_x, valid_set_y = valid_set cnt = 0fileHandle=open(r'e:\test_set_x.txt',"w")for i in test_set_x: if cnt% 10 ==0: print cnt print 'test_x' cnt= cnt +1 for j in i: fileHandle.write("%.6f\n"%j) fileHandle.close()cnt = 0fileHandle=open(r'e:\test_set_y.txt',"w")for i in test_set_y: if cnt% 10 ==0: print cnt print 'test_y' cnt= cnt +1 fileHandle.write("%d\n"%i) fileHandle=open(r'e:\train_set_x.txt',"w")cnt=0for i in train_set_x: if cnt% 10 ==0: print cnt print 'train_x' cnt= cnt +1 for j in i: fileHandle.write("%.6f\n"%j)fileHandle.close()fileHandle=open(r'e:\train_set_y.txt',"w")cnt=0for i in train_set_y: if cnt% 10 ==0: print cnt print 'train_y' cnt= cnt +1 fileHandle.write("%d\n"%i)
0 0
- deeplearning----利用逻辑回归分类MINIST数字
- 使用逻辑回归对MNIST数字分类
- Theano教程:使用逻辑回归分类MNIST数字
- 逻辑回归分类器
- 逻辑回归分类器
- DeepLearning学习笔记-回归-分类-梯度下降
- 分类算法之逻辑回归
- 机器学习-逻辑回归-分类
- 分类问题之逻辑回归
- SAS逻辑回归之多分类
- 分类-逻辑斯谛回归
- 分类和回归(三)-逻辑回归
- 浅谈利用逻辑回归来解决文本分类时的模型调优
- 浅谈利用逻辑回归来解决文本分类时的模型调优
- 基于qt和opencv3实现机器学习之:利用逻辑斯谛回归(logistic regression)分类
- 利用tensorflow一步一步实现基于MNIST 数据集进行手写数字识别的神经网络,逻辑回归
- 分类算法--并行逻辑回归算法
- 3.多分类的逻辑回归
- C++第二章
- 性能优化
- DEDECMS全站伪静态详细教程(首页、列表、文章页)
- 51nod1080
- 第一篇博客
- deeplearning----利用逻辑回归分类MINIST数字
- 黑马程序员—OC学习笔记—多文件、组合类的运用
- Unable to add window错误
- android_studio学习笔记
- 标准c字符和字符串
- 简单工厂模式
- 阿里巴巴面试——重男轻女概率题
- 【转】Win7环境下搭建Android安卓开发环境(原创教程)
- Topcoder Srm 654 DIV1