郑州大型网站,天津网站建设网络,wordpress 分类顺序,北京个人制作网站有哪些手写数字可视化 手写数字流形学习 手写数字 手写数字无论是在数据可视化还是深度学习都是一个比较实用的案例。 数据在sklearn中#xff0c;包含近2000份8 x 8的手写数字缩略图。
首先需要先下载数据#xff0c;然后使用plt.imshow()对一些图形进行可视化#xff1a; 打开c… 手写数字可视化 手写数字流形学习 手写数字 手写数字无论是在数据可视化还是深度学习都是一个比较实用的案例。 数据在sklearn中包含近2000份8 x 8的手写数字缩略图。
首先需要先下载数据然后使用plt.imshow()对一些图形进行可视化 打开cmd命令窗口输入pip install scikit-learn sklearn包被启用了要用scikit-learn包 然后在jupyter notebook中输入以下代码
from sklearn.datasets import load_digits
import matplotlib.pyplot as pltdigits load_digits(n_class6)
fig, ax plt.subplots(8, 8, figsize(6, 6))
for i, axi in enumerate(ax.flat):axi.imshow(digits.images[i], cmapbinary)axi.set(xticks[], yticks[])plt.show()
输出图
总体 流形学习
由于每个数字都由64像素的色相构成因此可以将每个数字看成是一个位于64维空间的点即每个维度表示一个像素的亮度。但是想通过可视化来描述如此高维度的空间是非常困难的。
一种解决方案是通过降维技术在尽量保留数据内部重要关联性的同时降低数据的维度例如流形学习。
下面展示如何用流形学习将这些数据投影到二维空间进行可视化
from sklearn.datasets import load_digits
from sklearn.manifold import Isomap
iso Isomap(n_components2)
digits load_digits(n_class6)
projection iso.fit_transform(digits.data)
plt.scatter(projection[:, 0], projection[:, 1], lw0.1,
cdigits.target, cmapplt.cm.get_cmap(cubehelix, 6))
plt.colorbar(ticksrange(6), labeldigit value)
plt.clim(-0.5, 5.5)输出结果
总体
上面使用了离散型颜色条来显示结果调整ticks和clim参数来改善颜色条。这个结果向我们展示了一些数据集的有趣特性。
例如数字5与数字3在投影中有大面积重叠说明一些手写的5与3难以区分因此自动分类算法也更容易搞混它们。其它的数字像数字0与数字1隔得特别远说明两者不太可能出现混淆。
