十五.手写数字识别-小数据集

第二次作业：https://www.cnblogs.com/hzxx/p/13068665.html

第三次作业：https://www.cnblogs.com/hzxx/p/13068875.html

第四次作业：https://www.cnblogs.com/hzxx/p/13068915.html

第五次作业：https://www.cnblogs.com/hzxx/p/13068982.html

第六次作业：https://www.cnblogs.com/hzxx/p/13069081.html

第八次作业：https://www.cnblogs.com/hzxx/p/13069122.html

第十一次作业：https://www.cnblogs.com/hzxx/p/13069286.html

第十三次作业：https://www.cnblogs.com/hzxx/p/13083310.html

之前的作业没有提交的原因：笔记本电脑太破旧，易发生蓝屏和死机，提交反应速度太慢，有几次作业提交总是失败。发生疫情，之前在家上网课，不敢出门买新的的笔记本电脑，疫情过后，购买了新的笔记本电脑，作业提交时间已过，现在重新补交，请老师谅解。

1.手写数字数据集

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

digits = load_digits()
X_data = digits.data.astype(np.float32)
Y_data = digits.target.astype(np.float32).reshape(-1, 1)# 

2.图片数据预处理

• x：归一化MinMaxScaler()
• y：独热编码OneHotEncoder()或to_categorical
• 训练集测试集划分
• 张量结构

# 转换成图片格式
X = X_data.reshape(-1, 8, 8, 1)
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=0, stratify=Y)
print('X_train.shape, X_test.shape, y_train.shape, y_test.shape：', X_train.shape, X_test.shape, y_train.shape, y_test.shape)

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。

model = Sequential()
ks = (3, 3) 
input_shape = X_train.shape[1:]
model.add(Conv2D(filters=16, kernel_size=ks, padding='same', input_shape=input_shape, activation='relu')) 
padding='same',
model.add(MaxPool2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Conv2D(filters=32, kernel_size=ks, padding='same', activation='relu'))
model.add(MaxPool2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Conv2D(filters=64, kernel_size=ks, padding='same', activation='relu'))
model.add(Conv2D(filters=128, kernel_size=ks, padding='same', activation='relu'))
model.add(MaxPool2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.25))
model.add(Dense(10, activation='softmax')
softmax
model.summary()

4.模型训练

def show_train_history(train_history, train, validation):
    plt.plot(train_history.history[train])
    plt.plot(train_history.history[validation])
    plt.title('Train History')
    plt.ylabel('train')
    plt.xlabel('epoch')
    plt.legend(['train', 'validation'], loc='upper left')
    plt.show()

 

5.模型评价

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

y_test1 = y_test1.tolist()[0]
a = pd.crosstab(np.array(y_test1), y_pred, rownames=['Lables'], colnames=['Predict'])
df = pd.DataFrame(a)
sns.heatmap(df, annot=True, cmap="Purples", linewidths=0.2, linecolor='G')
plt.show()