第2关:基于全像素特征的手写体图像识别模型
任务描述
对图像像素数据集和图像标签数据集,按80%训练和20%测试进行随机划分,构建支持向量机分类模型,输出模型的准确率和测试集的预测准确率。
编程要求
根据提示,在右侧编辑器补充代码,按照任务要求获取数据,划分数据,利用支持分类向量机输出模型的准确率和测试集的预测准确率。
def return_values():
import sklearn.datasets
a=sklearn.datasets.load_digits()
#2 提取数据
X=a.data
Y=a.target
#3 划分测试集和训练集
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.2,random_state=4)
#4构建支持向量机模型
import sklearn.svm as svm
from sklearn.svm import SVC
clf = svm.SVC(kernel='linear')
clf.fit(x_train,y_train)
rv=clf.score(x_train, y_train);
y1=clf.predict(x_test)
r=y1-y_test
v=len(r[r==0])/len(y1)
return (rv,v)
#********** End **********#