15 手写数字识别-小数据集

1.手写数字数据集

• from sklearn.datasets import load_digits
• digits = load_digits()

from sklearn.datasets import load_digits
digits = load_digits()

2.图片数据预处理

• x：归一化MinMaxScaler()

• # 对X进行归一化
  from sklearn.preprocessing import MinMaxScaler
  import numpy as np
  x_data = digits.data.astype(np.float32)  #数据转为float类型
  #将属性缩放到一个指定的最大和最小值（通常0-1）之间，不影响其实特征
  scaler = MinMaxScaler()#归一化
  X_data =scaler.fit_transform(x_data)  #scaler找到最大值最小值，tansform利用公式转换成-之间
  print(X_data.shape)
  print(X_data)
  x = X_data.reshape(-1,8,8,1)##转换为图片的模式（张量结构），-1样本量，自动处理，8，8是图片尺寸，1是通道数目；

• 
• y：独热编码OneHotEncoder()或to_categorical

• # y:独热编码
  from sklearn.preprocessing import OneHotEncoder
  #将分类特征每一个元素转换成一个可以用来计算的值
  y_data = digits.target.astype(np.float32).reshape(-1,1)  #将y_data变为一列
  print(y_data)#每列数据
  y = OneHotEncoder().fit_transform(y_data).todense()  #独热编码并转张量类型
  #fit用来学习编码
  print(y)#标识数组

• 
• 训练集测试集划分

• #训练集和测试集划分
  from sklearn.model_selection import train_test_split
  #分出数据不参与模型训练，用于测试模型好坏
  x_train , x_test , y_train , y_test = train_test_split(x,y,test_size=0.2,random_state=0,stratify=y)#随机自动划分一部分，百分之20
  print(x_train.shape, x_test.shape, y_train.shape, y_test.shape

• 
• 张量结构

3.设计卷积神经网络结构

• 绘制模型结构图，并说明设计依据。

• #建立模型
  #3.设计卷积神经网络结构
  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import Dense,Dropout,Conv2D,MaxPool2D,Flatten
  #3、建立模型
  model = Sequential()
  ks = (3, 3)  #定义第一层的卷积核的大小
  input_shape = x_train.shape[1:]
  # 一层卷积，padding='same',tensorflow会对输入自动补0
  #设置第一次定义的卷积核个数
  #第一层输入数据shape指定，剩下的会自动运算
  model.add(Conv2D(filters=16, kernel_size=ks, padding='same', input_shape=input_shape, activation='relu'))# 池化层1
  #设置ks卷积核大小不变
  model.add(MaxPool2D(pool_size=(2, 2)))# 防止过拟合，随机丢掉连接，丢掉一下参数
  model.add(Dropout(0.25))# 二层卷积
  model.add(Conv2D(filters=32, kernel_size=ks, padding='same', activation='relu'))# 池化层2
  model.add(MaxPool2D(pool_size=(2, 2)))
  model.add(Dropout(0.25))# 三层卷积，丢掉0.25的链接
  model.add(Conv2D(filters=64, kernel_size=ks, padding='same', activation='relu'))# 四层卷积
  model.add(Conv2D(filters=128, kernel_size=ks, padding='same', activation='relu'))# 池化层3
  model.add(MaxPool2D(pool_size=(2, 2)))
  model.add(Dropout(0.25))# 平坦层，丢掉0.25的链接
  model.add(Flatten())# 全连接层
  model.add(Dense(128, activation='relu'))# 激活函数softmax
  model.add(Dropout(0.25))#丢掉0.25的链接
  model.add(Dense(10, activation='softmax'))
  print(model.summary())

   

•  

• 

4.模型训练

#训练模型
import matplotlib.pyplot as plt
model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy']) #优化器optimizer='adam'
#每次利用256进行测试,0.2用于验证
#epochs 设置训练次数
train_history = model.fit(x=x_train,y=y_train,
                          validation_split=0.2,
                          batch_size=256,
                          epochs=10,verbose=2)
score = model.evaluate(x_test,y_test)  #模型自动评估
#预测值
y_pred = model.predict_classes(x_test)
print(y_pred)
#观察训练参数可视化
def show_train_history(train_histoty, train, validataion):
    plt.plot(train_history.history[train])
    plt.plot(train_history.history[validataion])
    plt.title('Train History')
    plt.ylabel('train')
    plt.xlabel('epoch')
    plt.legend(['train', 'validation'], loc='upper left')
    plt.show()
#准确率
show_train_history(train_history, 'accuracy', 'val_accuracy')
#损失率
show_train_history(train_history, 'loss', 'val_loss')

准确率

 

 损失率

5.模型评价

• model.evaluate()
• 交叉表与交叉矩阵
• pandas.crosstab
• seaborn.heatmap

  #方模型评估
  model.evaluate(x_test,y_test)[1]
  

  

• #预测值
  y_pre = model.predict_classes(x_test)
  y_pre[:10]

  

   

   

  #交叉表查看预测数据与原数据对比
  y_test1 = np.argmax(y_test, axis=1).reshape(-1)  #一维数组模式
  y_true = np.array(y_test1)[0]
  
  import pandas as pd
  pd.crosstab(y_true, y_pred, rownames=['true'], colnames=['predict'])
  
  # 交叉表与交叉矩阵
  import seaborn as sns
  import pandas as pd
  y_test1 = y_test1.tolist()[0]
  a = pd.crosstab(np.array(y_test1),y_pred)
  df = pd.DataFrame(a)  #转换成属dataframe
  sns.heatmap(df,annot=True,cmap='Reds',linewidths=0.2, linecolor='G')  #热图

• 

• 完整代码

• from sklearn.datasets import load_digits
  digits = load_digits()
  # 对X进行归一化
  from sklearn.preprocessing import MinMaxScaler
  import numpy as np
  x_data = digits.data.astype(np.float32)  #数据转为float类型
  #将属性缩放到一个指定的最大和最小值（通常0-1）之间，不影响其实特征
  scaler = MinMaxScaler()#归一化
  X_data =scaler.fit_transform(x_data)  #scaler找到最大值最小值，tansform利用公式转换成-之间
  print(X_data.shape)
  print(X_data)
  x = X_data.reshape(-1,8,8,1)##转换为图片的模式（张量结构），-1样本量，自动处理，8，8是图片尺寸，1是通道数目；
  
  # y:独热编码
  from sklearn.preprocessing import OneHotEncoder
  #将分类特征每一个元素转换成一个可以用来计算的值
  y_data = digits.target.astype(np.float32).reshape(-1,1)  #将y_data变为一列
  print(y_data)#每列数据
  y = OneHotEncoder().fit_transform(y_data).todense()  #独热编码并转张量类型
  #fit用来学习编码
  print(y)#标识数组
  
  #训练集和测试集划分
  from sklearn.model_selection import train_test_split
  #分出数据不参与模型训练，用于测试模型好坏
  x_train , x_test , y_train , y_test = train_test_split(x,y,test_size=0.2,random_state=0,stratify=y)#随机自动划分一部分，百分之20
  print(x_train.shape, x_test.shape, y_train.shape, y_test.shape)
  
  
  #建立模型
  #3.设计卷积神经网络结构
  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import Dense,Dropout,Conv2D,MaxPool2D,Flatten
  #3、建立模型
  model = Sequential()
  ks = (3, 3)  #定义第一层的卷积核的大小
  input_shape = x_train.shape[1:]
  # 一层卷积，padding='same',tensorflow会对输入自动补0
  #设置第一次定义的卷积核个数
  #第一层输入数据shape指定，剩下的会自动运算
  model.add(Conv2D(filters=16, kernel_size=ks, padding='same', input_shape=input_shape, activation='relu'))# 池化层1
  #设置ks卷积核大小不变
  model.add(MaxPool2D(pool_size=(2, 2)))# 防止过拟合，随机丢掉连接，丢掉一下参数
  model.add(Dropout(0.25))# 二层卷积
  model.add(Conv2D(filters=32, kernel_size=ks, padding='same', activation='relu'))# 池化层2
  model.add(MaxPool2D(pool_size=(2, 2)))
  model.add(Dropout(0.25))# 三层卷积，丢掉0.25的链接
  model.add(Conv2D(filters=64, kernel_size=ks, padding='same', activation='relu'))# 四层卷积
  model.add(Conv2D(filters=128, kernel_size=ks, padding='same', activation='relu'))# 池化层3
  model.add(MaxPool2D(pool_size=(2, 2)))
  model.add(Dropout(0.25))# 平坦层，丢掉0.25的链接
  model.add(Flatten())# 全连接层
  model.add(Dense(128, activation='relu'))# 激活函数softmax
  model.add(Dropout(0.25))#丢掉0.25的链接
  model.add(Dense(10, activation='softmax'))
  print(model.summary())
  
  #训练模型
  import matplotlib.pyplot as plt
  model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy']) #优化器optimizer='adam'
  #每次利用256进行测试,0.2用于验证
  #epochs 设置训练次数
  train_history = model.fit(x=x_train,y=y_train,
                            validation_split=0.2,
                            batch_size=256,
                            epochs=10,verbose=2)
  score = model.evaluate(x_test,y_test)  #模型自动评估
  #预测值
  y_pred = model.predict_classes(x_test)
  print(y_pred)
  #观察训练参数可视化
  def show_train_history(train_histoty, train, validataion):
      plt.plot(train_history.history[train])
      plt.plot(train_history.history[validataion])
      plt.title('Train History')
      plt.ylabel('train')
      plt.xlabel('epoch')
      plt.legend(['train', 'validation'], loc='upper left')
      plt.show()
  #准确率
  show_train_history(train_history, 'accuracy', 'val_accuracy')
  #损失率
  show_train_history(train_history, 'loss', 'val_loss')
  
  #方模型评估
  model.evaluate(x_test,y_test)[1]
  #预测值
  y_pre = model.predict_classes(x_test)
  y_pre[:10]
  #交叉表查看预测数据与原数据对比
  y_test1 = np.argmax(y_test, axis=1).reshape(-1)  #一维数组模式
  y_true = np.array(y_test1)[0]
  import pandas as pd
  pd.crosstab(y_true, y_pred, rownames=['true'], colnames=['predict'])
  # 交叉表与交叉矩阵
  import seaborn as sns
  import pandas as pd
  y_test1 = y_test1.tolist()[0]
  a = pd.crosstab(np.array(y_test1),y_pred)
  df = pd.DataFrame(a)  #转换成属dataframe
  sns.heatmap(df,annot=True,cmap='Reds',linewidths=0.2, linecolor='G')  #热图