使用逻辑回归进行MNIST数据集分类
最新推荐文章于 2024-10-31 11:23:26 发布

雪儿和颖儿 于 2020-03-01 10:36:52 发布
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
MNIST数据集是机器学习领域中非常经典的一个数据集,由60000个训练样本和10000个测试样本组成,每个样本都是一张28 * 28像素的灰度手写数字图片。
import time
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn import datasets
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import fetch_openml #从openml.org网站导入数据
from sklearn.utils import check_random_state
t0=time.time()
train_samples=5000
#载入数据集
X, y = fetch_openml('mnist_784', version=1, return_X_y=True)
print(X.shape,y.shape)
#可视化样本,图形化显示前6个数据
fig,ax=plt.subplots(nrows=2,ncols=3,sharex='all',sharey='all')
ax = ax.flatten()
for i in range(6):
img=X[i].reshape(28,28)
ax[i].matshow(img)
plt.show()
相关知识
基于鸢尾花(iris)数据集的逻辑回归分类实践
python鸢尾花数据集的分类问题 -- 逻辑回归问题研究
机器学习算法其一:鸢尾花数据集逻辑回归分类预测学习总结
逻辑回归鸢尾花分类可视化
基于Logistic回归模型对鸢尾花数据集的线性多分类
Python实现Logistc回归分类(西瓜数据集、鸢尾花数据集)详解
逻辑回归简单案例分析
机器学习——鸢尾花数据集的线性多分类
逻辑回归(Logistic Regression)
Python机器学习教程——逻辑回归
原文链接: 使用逻辑回归进行MNIST数据集分类 https://m.huajiangbk.com/newsview1301848.html
| 上一篇: 西瓜地里的收获作文(通用5篇) | 下一篇: python条件控制(if,wh... |



