بارگذاری یک مجموعهدادهٔ کوچک
چرا مهم است در ماژول 3 به یک شبکه یاد میدهید رقمهای دستنویس را بخواند. اینجا اول با داده آشنا میشوید.
scikit-learn مجموعهٔ کوچکی از 1,797 رقم دستنویس دارد، هر کدام یک شبکهٔ 8 در 8 از مقدارهای روشنایی از 0 تا 16، با برچسبی از 0 تا 9.
from sklearn.datasets import load_digits
d = load_digits()
d.images.shape # (1797, 8, 8)
d.target[:5] # the labels of the first five
پیش از آموزش روی هر مجموعهدادهای، بشمارید هر کلاس چند نمونه دارد. اگر یک رقم ده برابر نمونهٔ بیشتری داشت، یک مدل تنبل میتوانست با همیشه حدس زدن همان، امتیاز خوبی بگیرد.
کلاس: یکی از پاسخهایی که یک طبقهبند میتواند بدهد، اینجا رقمهای 0 تا 9.
خلاصه پیش از هر کاری به شکلها نگاه کنید و کلاسها را بشمارید.
واژهها و نمادهای این درس
- آرایه
- یک بلوک NumPy از اعداد، همه از یک نوع، که روی همهٔ اقلام با هم ریاضی انجام میدهد
- شکل
- اندازهٔ یک آرایه در هر جهت، برای مثال (32, 64) یعنی 32 ردیف 64تایی
رقمها را بارگذاری کنید. n_images را برابر تعداد تصاویر، pixels_per_image را برابر تعداد پیکسلهای یک تصویر، و class_counts را برابر آرایهای از 10 شمارش (از هر رقم چند تا) قرار دهید. np.bincount اعداد صحیح را برایتان میشمارد.
مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید
این تمرین بهزودی باز میشود
درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و میتوانید همین الان این درس را بخوانید.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.