机器学习：14.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()

#1.手写数字数据集
from sklearn.datasets import load_digits
import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from sklearn.preprocessing import OneHotEncoder
digits = load_digits()
X_data = digits.data.astype(np.float32)
#将Y_data数据扁平化
Y_data = digits.target.astype(np.float32).reshape(-1,1)

提取的数据：

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

scaler = MinMaxScaler()#归一化MinMaxScaler()
X_data = scaler.fit_transform(X_data)
print('归一化:')
print(X_data)

# OneHot处理
Y = OneHotEncoder().fit_transform(Y_data).todense()
print('OneHot处理:')
print(Y)
 
#转换为图片的格式（batch，height，width，channels）
X=X_data.reshape(-1,8,8,1)
from sklearn.model_selection import train_test_split
# 划分训练集、测试集
X_train,X_test,Y_train,Y_test = train_test_split(X,Y,test_size=0.2,random_state=0,stratify=Y)
# 查看张量结构数据结构
print('查看张量结构数据结构:')
print(X_train.shape,X_test.shape,Y_train.shape,Y_test.shape) 

输出结果如下：

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。

• 1）数据尺寸太小，特征较少，没必要使用过深的网络提取特征，三层就够了。

  2）由于图像尺寸较小，故卷积核尺寸设置为2×2，三个卷积-池化层的卷积核数量分别设置为32、64、128。

  3）该模型不使用Dropout，因为在使用小卷积核时Dropout丢弃过多特征会导致准确率变差。

  4）在卷积层后使用BatchNormalization替代Dropout，BN同样可以起到防止过拟合的作用，还可以加速模型收敛。

  5）池化前使用ReLu而不是sigmod作为激活函数，目的是避免“梯度消失”。

  6）由于这是一个用于分类的神经网络，独热编码值介于0.0～1.0之间，故全连接之后使用Softmax激活函数进行分类。

•  

设计依据代码如下:

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Flatten, Conv2D, MaxPool2D
model = Sequential()#建立模型
ks = (3, 3)  # 卷积核的大小
input_shape = X_train.shape[1:]# 图片维数
# 一层卷积
model.add(Conv2D(filters=16, kernel_size=ks, padding='same', input_shape=input_shape, activation='relu'))
# 池化层1
model.add(MaxPool2D(pool_size=(2, 2)))
# 防止过拟合，随机丢掉连接
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
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
model.add(Flatten())
# 全连接层
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.25))
# 激活函数softmax
model.add(Dense(10, activation='softmax'))
print(model.summary())

结构如下所示：

4.训练模型

#优化器optimizer='adam'
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
 
# 划分0.2作为验证数据,每次训练300个数据,训练迭代300轮
train_history = model.fit(x=X_train, y=Y_train, validation_split=0.2, batch_size=300, epochs=10, verbose=2)

#构建模型评估
score = model.evaluate(X_test,Y_test) 
#预测模型
y_pred = model.predict_classes(X_test)
print(y_pred)

预测结果：

 画Train History图

# 画Train History图
import matplotlib.pyplot as plt
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
plt.title("准确率")
show_train_history(train_history, 'accuracy', 'val_accuracy')
# #损失率
plt.title("损失率")
show_train_history(train_history, 'loss', 'val_loss')

5.模型评价

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

(1)模型评估

import seaborn as sns
# 模型评估
score = model.evaluate(X_test, Y_test)
print('评估准确率:', score[1])
# 预测值
y_pred = model.predict_classes(X_test)
print('预测值：', y_pred[:10])

 (2)交叉表与交叉矩阵

# 交叉表与交叉矩阵
y_test1 = np.argmax(Y_test, axis=1).reshape(-1)
y_true = np.array(y_test1)[0]
# 交叉表查看预测数据与原数据对比
pd.crosstab(y_true, y_pred, rownames=['true'], colnames=['predict'])
# 交叉矩阵
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="Reds", linewidths=0.2, linecolor='G')
plt.show()