人工智能_机器学习057_手写代码_使用逻辑斯蒂回归模型和支持向量机模型分别对手写数字进行识别_取100次预测结果对比平均分_支持向量机总结---人工智能工作笔记0097

这篇博客介绍了如何使用逻辑斯蒂回归和支持向量机模型对手写数字进行识别。通过对比100次预测结果的平均得分,发现在降维后,支持向量机的平均识别得分(0.957)高于逻辑斯蒂回归(0.852)。尽管支持向量机得分更高,但并不意味着在所有情况下都优于逻辑斯蒂回归。博客中还讨论了PCA降维、数据预处理及其对模型性能的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

然后我们一起看一下作业,我们使用各种方法来对手写数字0到9进行分类

可以看到,我们可以使用不同的,比如用逻辑斯蒂回归进行分类,然后用

支持向量机,来进行分类,然后比较一下看看哪个分数高,然后我们

进行多次计算以后,然后取平均值,然后看看平均得分情况.

首先我们去导包
import pandas as pd  是 Python 代码中导入 pandas 库的一种方式。Pandas 是一个开源的 Python 库,用于数据分析和数据处理

import mumpy as np 数学计算包

from sklearn.svm import SVC 支持向量机,线性分类包

from sklearn.linear_model import LogisticRegression 逻辑回归包

from sklearn import datasets 数据集包

from sklearn. model_selection import train_test_split 数据分片拆分包

from skle

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

添柴程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值