python进行图像识别与分类_使用机器学习模型快速进行图像分类识别

点击上方蓝色字体“州的先生”选择关注公众号

Python编程应用实战，尽在掌握

这是《Python AI极简入门》第5篇

零、前言

在上一篇，我们介绍了使用sklearn库快速创建一个用于预测房价的机器学习回归模型，并通过平均绝对误差、均方差和R3分数有效地评估了这个预测模型的效果。

在本篇，我们继续介绍借助sklearn库创建用于进行分类预测的机器学习模型。

对分类问题进行预测同样属于监督学习的范畴，通过对已知数据的类别的标记，来实现对未知数据的类别的预测和判定。

常见的应用领域包括：垃圾邮件识别、垃圾短信识别、图像分类识别等等。

常见的应用算法则有：SVM(支持向量机)、K紧邻、朴素贝叶斯、随机森林等等。

下面，我们就通过Digits手写数字集来进行机器学习分类模型的介绍。

一、初探手写数字数据集

本篇选用的手写数字数据集同样来自有sklearn.datasets子模块，其由著名的UCI 机器学习库提供：

该数据集由1797个8x8图像组成。每个图像，都是手写数字。

就像上一篇导入波士顿数据集一样，我们从sklearn模块中进行导入：

接着查看数据集中包含的子方法：