使用了TensorFlow中的mnist數據集

from sklearn import svm
import numpy as np
from sklearn.metrics import classification_report
from tensorflow.keras.datasets.mnist import load_data(x_train, y_train), (x_test, y_test) = load_data()
x_train = x_train.reshape(x_train.shape[0], -1)
x_test = x_test.reshape(x_test.shape[0], -1)# 獲取一個支持向量機模型
predictor = svm.SVC(gamma='scale', C=1.0, decision_function_shape='ovr', kernel='rbf')
# 把數據丟進去
predictor.fit(x_train, y_train)y_pred = predictor.predict(x_test)
print(classification_report(y_test, y_pred))

準確率打印

              precision    recall  f1-score   support0       0.98      0.99      0.99       9801       0.99      0.99      0.99      11352       0.98      0.97      0.98      10323       0.97      0.99      0.98      10104       0.98      0.98      0.98       9825       0.99      0.98      0.98       8926       0.99      0.99      0.99       9587       0.98      0.97      0.97      10288       0.97      0.98      0.97       9749       0.97      0.96      0.97      1009accuracy                           0.98     10000macro avg       0.98      0.98      0.98     10000
weighted avg       0.98      0.98      0.98     10000

?

總結

以上是生活随笔為你收集整理的SVM进行手写数字识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。