机器学习100天-Day1401二分类训练

Day14，主要完成第三章分类的学习

熟悉mnist数据集调用

训练一个二分类器

说明：本文依据《Sklearn 与 TensorFlow 机器学习实用指南》完成，所有版权和解释权均归作者和翻译成员所有，我只是搬运和做注解。

在第一章我们提到过最常用的监督学习任务是回归（用于预测某个值）和分类（预测某个类别）。

在第二章我们探索了一个回归任务：预测房价。我们使用了多种算法，诸如线性回归，决策树，和随机森林（这个将会在后面的章节更详细地讨论）。

在第三章，作者将转到分类任务上。

MNIST

使用 MNIST 这个数据集，它有着 70000 张规格较小的手写数字图片，由美国的高中生和美国人口调查局的职员手写而成。

这相当于机器学习当中的“Hello World”，人们无论什么时候提出一个新的分类算法，都想知道该算法在这个数据集上的表现如何。

机器学习的初学者迟早也会处理 MNIST 这个数据集。

在之前的文字中，我们使用Tensorflow加载mnist数据，原文中代码如下，但是使用后会报500的错误。在这里仍使用tf的mnist数据。

sklearn数据集中包括三个结构，在anaconda中可以直接通过mnist调用查看，在pycharm中则通过名称调用

DESCR键描述数据集

data键存放一个数组，数组的一行表示一个样例，一列表示一个特征

target键存放一个标签数组

在tensorflow的mnist数据集中，包括train和test两类数据，类似接口调用的方式。

绘制相应图片

打乱训练集

使用numpy的random.permutation()打乱训练集。

这可以保证交叉验证的每一折都是相似（你不会期待某一折缺少某类数字）。

而且，一些学习算法对训练样例的顺序敏感，当它们在一行当中得到许多相似的样例，这些算法将会表现得非常差。打乱数据集将保证这种情况不会发生。

训练一个二分类器

在里面只对图片为5的进行分类，然后输出判断值和图片，预测X_test[500]，实际值为9。