Charger un petit jeu de données
Pourquoi c'est important Au module 3, tu apprendras à un réseau à lire des chiffres manuscrits. Ici, tu fais d'abord connaissance avec les données.
scikit-learn fournit un petit ensemble de 1 797 chiffres manuscrits, chacun une grille de 8 par 8 valeurs de luminosité de 0 à 16, avec une étiquette de 0 à 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
Avant d'entraîner sur n'importe quel jeu de données, compte combien d'exemples a chaque classe. Si un chiffre avait dix fois plus d'exemples, un modèle paresseux pourrait obtenir un bon score en le devinant toujours.
Classe : une des réponses qu'un classifieur peut donner, ici les chiffres de 0 à 9.
Récap Regarde les formes et compte les classes avant toute autre chose.
Mots et symboles de cette leçon
- tableau
- un bloc NumPy de nombres, tous du même type, qui fait des maths sur chaque élément d'un coup
- forme
- la taille d'un tableau dans chaque direction, par exemple (32, 64), c'est 32 lignes de 64
Charge les chiffres. Affecte à n_images le nombre d'images, à pixels_per_image le nombre de pixels dans une image, et à class_counts un tableau de 10 comptes (combien de chaque chiffre). np.bincount compte les nombres entiers pour toi.
Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon
Cet exercice s'ouvre bientôt
Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.
Ce navigateur bloque les cookies pour learn.floati.life, donc les leçons que tu as terminées ici ne peuvent pas s'ouvrir dans l'ordre. Autorise les cookies pour ce site et recharge la page.