Sklearn digits数据集

Question

import matplotlib.pyplot as plt

from sklearn import datasets
from sklearn import svm

digits = datasets.load_digits()

print(digits.data)

classifier = svm.SVC(gamma=0.4, C=100)
x, y = digits.data[:-1], digits.target[:-1]

x = x.reshape(1,-1)
y = y.reshape(-1,1)
print((x))

classifier.fit(x, y)
###
print('Prediction:', classifier.predict(digits.data[-3]))
###
plt.imshow(digits.images[-1], cmap=plt.cm.gray_r, interpolation='nearest')
plt.show()

我也重塑了x和y。尽管如此，我还是收到了一个错误：

发现样本数量不一致的输入变量: 1,1796

Y有1796个元素的一维阵列，而x有很多元素。它是如何显示x的1的？

Answer 1

实际上放弃我下面的建议：

This link describes the general dataset API。属性data是每个图像的2d数组，已经展平：

import sklearn.datasets
digits = sklearn.datasets.load_digits()
digits.data.shape
#: (1797, 64)

这就是您需要提供的所有内容，不需要重塑。类似地，属性data是每个标签的一维数组：

digits.data.shape
#: (1797,)

不需要重塑。只需将训练和测试分成两部分并运行即可。

尝试打印x.shape和y.shape。我觉得你会找到类似这样的东西：(1, 1796, ...)和(1796, ...)。当为scikit中的分类器调用fit时，它需要两个形状相同的迭代器。

线索是，为什么在重塑周围的不同方式时会有争论：

x = x.reshape(1, -1)
y = y.reshape(-1, 1)

也许可以试试：

x = x.reshape(-1, 1)

与您的问题完全无关，但是当训练集中唯一剩下的元素是digits.data[-1]时，您在digits.data[-3]上进行了预测。不确定那是不是故意的。

无论如何，使用scikit metrics包检查分类器的更多结果可能是很好的。This page has an example of using it over the digits dataset。

Answer 2

重塑将把你的8x8矩阵转换成一个1维向量，它可以用作一个特征。您需要重塑整个X向量，而不仅仅是训练数据的X向量，因为您将用于预测的向量需要具有相同的格式。

下面的代码显示了如何：

import matplotlib.pyplot as plt

from sklearn import datasets
from sklearn import svm

digits = datasets.load_digits()


classifier = svm.SVC(gamma=0.4, C=100)
x, y = digits.images, digits.target

#only reshape X since its a 8x8 matrix and needs to be flattened
n_samples = len(digits.images)
x = x.reshape((n_samples, -1))
print("before reshape:" + str(digits.images[0]))
print("After reshape" + str(x[0]))


classifier.fit(x[:-2], y[:-2])
###
print('Prediction:', classifier.predict(x[-2]))
###
plt.imshow(digits.images[-2], cmap=plt.cm.gray_r, interpolation='nearest')
plt.show()

###
print('Prediction:', classifier.predict(x[-1]))
###
plt.imshow(digits.images[-1], cmap=plt.cm.gray_r, interpolation='nearest')
plt.show()

它将输出：

before reshape:[[  0.   0.   5.  13.   9.   1.   0.   0.]
 [  0.   0.  13.  15.  10.  15.   5.   0.]
 [  0.   3.  15.   2.   0.  11.   8.   0.]
 [  0.   4.  12.   0.   0.   8.   8.   0.]
 [  0.   5.   8.   0.   0.   9.   8.   0.]
 [  0.   4.  11.   0.   1.  12.   7.   0.]
 [  0.   2.  14.   5.  10.  12.   0.   0.]
 [  0.   0.   6.  13.  10.   0.   0.   0.]]
After reshape[  0.   0.   5.  13.   9.   1.   0.   0.   0.   0.  13.  15.  10.  15.   5.
   0.   0.   3.  15.   2.   0.  11.   8.   0.   0.   4.  12.   0.   0.   8.
   8.   0.   0.   5.   8.   0.   0.   9.   8.   0.   0.   4.  11.   0.   1.
  12.   7.   0.   0.   2.  14.   5.  10.  12.   0.   0.   0.   0.   6.  13.
  10.   0.   0.   0.]

对最后两个没有用于训练的图像进行正确的预测-但是你可以决定在测试和训练集之间进行更大的划分。