PCA-MNIST识别集应用实例

最新推荐文章于 2023-06-22 15:38:31 发布

原创

最新推荐文章于 2023-06-22 15:38:31 发布 · 1.7k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#Python #MNIST

本文通过PCA降维技术在MNIST手写数字数据集上进行实验，展示了PCA如何帮助理解数据。文章提供了加载MNIST数据的Python代码，并通过可视化展示了数字0到9的不同写法。此外，还运用KNN分类器评估了模型在测试集上的表现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

PCA在手写体MNIST数据集上做实验，对于很好地理解PCA工具的作用非常明显。

比如：数字9的不同识别体。

具体代码如下：

import os
import struct
import numpy as np
import matplotlib.pyplot as plt
def load_mnist(path, kind='train'):
    """Load MNIST data from `path`"""
    labels_path = os.path.join(path,'%s-labels.idx1-ubyte'%kind)
    print(labels_path)
    #train-labels.idx1-ubyte
    images_path = os.path.join(path,'%s-images.idx3-ubyte'% kind)
    print(images_path)
    #train-images.idx3-ubyte
    with open(labels_path, 'rb') as lbpath:
        magic,n = struct.unpack('>II',lbpath.read(8))
        labels = np.fromfile(lbpath,dtype=np.uint8)
  &nb