Een kleine dataset laden
Waarom dit ertoe doet In Module 3 leer je een netwerk om handgeschreven cijfers te lezen. Hier ontmoet je de data eerst.
scikit-learn bevat een kleine set van 1.797 handgeschreven cijfers, elk een 8 bij 8 rooster van helderheidswaarden van 0 tot 16, met een label 0 tot 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
Voordat je traint op een dataset, tel je hoeveel voorbeelden elke klasse heeft. Als één cijfer tien keer meer voorbeelden had, zou een lui model een goede score kunnen halen door dit altijd te raden.
Class: een van de antwoorden die een classifier kan geven, hier de cijfers 0 tot 9.
Samenvatting Kijk naar de vormen en tel de klassen voordat je iets anders doet.
Woorden en symbolen in deze les
- array
- a NumPy blok van getallen, allemaal van hetzelfde type, dat wiskunde doet op elk item tegelijk
- shape
- de grootte van een array langs elke richting, bijvoorbeeld (32, 64) zijn 32 rijen van 64
Laad de cijfers. Stel n_images in op het aantal afbeeldingen, pixels_per_image op het aantal pixels in één afbeelding, en class_counts op een array van 10 tellingen (hoeveel van elk cijfer). np.bincount telt de hele getallen voor je.
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.