SVM入门——手写数字识别

最新推荐文章于 2023-10-07 14:29:10 发布

bashan16045

最新推荐文章于 2023-10-07 14:29:10 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

文章标签： python 机器学习 svm 支持向量机人工智能

本文链接：https://blog.youkuaiyun.com/bashan1604/article/details/108267121

本文介绍了SVM的基础知识，包括Margin、Hyperplane和Support Vectors的概念。使用Python的Scikit-learn库实现手写数字识别，探讨了调整参数gmma和C对模型的影响，并展示了识别结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

SVM介绍

Margin：直观上的宽度（求得最大margin）
Hyperplane：超平面
Support vectors：支持向量（支持我们找出hyperplane)

SVM是一个constrained optimization problem（约束最优化问题），其中constrain是分指类，optimization是指使得margin最大

机器学习库（Sklearn）

Scikit-learn是用于Python编程语言的免费软件机器学习库。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，旨在与Python数值和科学库NumPy和SciPy进行互操作。

数字识别代码和特征和标签

import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import svm

numbers = datasets.load_digits()
#numbers are features
print(numbers)
print(len(numbers.data))
#size of data = 1797

print(numbers.target)
# numbers.target cotains all lables([0 1 2 ... 8 9 8])

black_box = svm.SVC(gamma=0.001, C=10000)
#SVC = support vector classifier



X,y = numbers.data[:-888], numbers.target[:-888]
#X represents featur