Kmeans聚类编写数字识别
Kmeans算法原理:在给定K个初始聚类中心点的情况下,(1)把数据中的每个样本分到离其最近的聚类中心所代表的类中。(2)分类完后计算从新每个类的中心点(取平均值),然后进行迭代从新第(1)步和第(2)步。直到类中心点的变化很小,或者达到指定迭代次数。
Python中在sklearn库有KMeans函数可调用。我实现的是直接调用,数据集在模板匹配算法中给出。
-
import numpy as np
-
import scipy.io as sio
-
from sklearn import metrics
-
from sklearn.cluster import KMeans
-
-
-
#读取训练和测试数据和标签,二维数组转换成一纬
-
train_data = sio.loadmat('./课程数据集/mat格式的MNIST数据/train_images.mat')
-
key_train = list(train_data.keys())[-1]
-
train = train_data[key_train]
-
train = np.reshape(train,(784,60000)).transpose()
-
-
-
train_data2 = sio.loadmat('./课程数据集/mat格式的MNIST数据/train_labels.mat')
-
key_label = list(train_data2.keys())[-1]
-
train_label = train_data2[key_label].transpose()
-
-
-
test_data = sio.loadmat('./课程数据集/mat格式的MNIST数据/test_images.mat')
-
key_test = list(test_data.keys())[-1]
-
test = test_data[key_test]
-
test = np.reshape(test,(784,10000)).transpose()
-
-
-
test_data2 = sio.loadmat('./课程数据集/mat格式的MNIST数据/test_labels.mat')
-
test_key = list(test_data2.keys())[-1]
-
test_label = test_data2[test_key].transpose().flatten()
-
-
-
#调用Kmeans函数聚类
-
kmeans = KMeans(n_clusters=10)
-
kmeans.fit(train)
-
-
-
#统计预测结果
-
pred = kmeans.predict(test)
-
print("随机兰德调整指数:" str(metrics.adjusted_rand_score(test_label,pred)))
-
-
correct =0
-
for i in range(10000):
-
if pred[i] == test_label[i]:
-
correct =1
-
print("测试集的准确率为:" str(correct/10000))
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhghfajj
系列文章
更多
同类精品
更多
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
TikTok加速器哪个好免费的TK加速器推荐
TK小达人 10-01 -
怎样阻止微信小程序自动打开
PHP中文网 06-13