支持向量机－手写数字识别

最新推荐文章于 2024-12-29 22:24:47 发布

原创

最新推荐文章于 2024-12-29 22:24:47 发布 · 2w 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#SVM #多分类 #手写数字识别

本文展示了使用Python实现的支持向量机（SVM）进行手写数字识别的实验，训练集和测试集分别为1347和450条数据。线性SVC的准确率为95.33%。详细的精度、召回率和F1分数展示在混淆矩阵中，显示了在各个数字类别上的表现。

支持向量机分类器：

决定分类直线位置的样本并不是所有的训练数据，而是其中对两个空间间隔最小的两个不同类别的数据点，把这种可以用来真正帮助决策最优贤行分类模型的数据点叫做“支持向量”。LR模型由于在训练过程中考虑了所有训练样本对于参数的影响，因此不一定能获得最佳的分类器。

本文使用支持向量机分类器处理sklearn内部集成的手写字体数字图片数据集。(sklearn中集成的手写体数字图像仅仅是https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits的测试数据集。)

Python源码

#coding=utf-8
from sklearn.datasets import load_digits
#-------------
from sklearn.cross_validation import train_test_split
#-------------
#load data standardize model
from sklearn.preprocessing import StandardScaler
#load SVM:LinearSVC which is based on Linear h