- 博客(2)
- 收藏
- 关注
RSS订阅原创 利用KNN算法实现手写数字识别
1.数据文件包含从0到9的手绘数字的灰度图像。2.每个图像高28像素，宽28像素，共784个像素。3 每个像素取值范围[0,255]，取值越大意味着该像素颜色越深4 训练数据集共785列。第一列为 “标签”，为该图片对应的手写数字。其余784列为该图像的像素值5 训练集中的特征名称均有pixel前缀，后面的数字（[0,783])代表了像素的序号。# 导入numpy库和matplotlib库的pyplot模块，用于处理图像数据和绘图# 读取图像文件，这里使用了绝对路径来指定图像文件的位置。
2024-06-20 21:22:09
457
原创 KNN算法
1 鸢尾花数据集下载和使用• 加载数据集mydataset = load_iris()• 数据集属性 dataset.data .target .target_names .feature_names .DESCR2 案例的总体处理流程获取数据集数据基本处理特征工程机器学习(模型训练)模型评估3 使用可视化加载和探索数据，以确定特征是否能将不同类别分开4 通过标准化特征，并随机抽样到训练集和测试集来准备数据。5 通过统计学，利用准确率评估机器学习模型#todo 1.导包。
2024-06-19 14:40:49
1761
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人