Page 87 - 高中 信息技术 选择性必修4 人工智能初步

 3.5 人工神经网络

来评估这个模型的性能，从而更加容易把设计的模型推广到其他数据集上（泛化）。
每一个MNIST数据单元由两部分组成：一幅手写数字的图像和一个对应的标签。每一
幅图像都是28像素×28像素。如图3-17所示，可以用一个数字数组来表示这张图。再把这

个数组展开，就得到一个长度是 28×28=784的向量。把图像数字化之后，就可以交给神
经网络模型来处理了。

广东教育出版社

图3-17 图像数字化

实 践

使用机器学习中的手写数字数据集MNIST，根据图像数字化后的数组对图像中的数字
进行分类。Scikit-learn为我们提供了一个封装好的双层神经网络算法，这里仅仅演示怎样

使用封装好的多层感知机算法来进行分类，并使用matplotlib绘制分类结果以便直观感受。
（1）首先引入机器学习库Scikit-learn中的多层感知机分类器方法和数据集，然后加
载MNIST数据集。

import matplotlib.pyplot as plt
from sklearn.datasets import load_digits

from sklearn.neural_network import MLPClassifier
from sklearn.model_selection import train_test_split
mnist = load_digits()
X, y = mnist.images / 255., mnist.target

（2）把加载的手写数字图像数字化，转化成分类器容易接受的二维矩阵，然后划分
成两部分数据集，一部分用来训练，另一部分用来测试。

n_samples = len(X)
X = X.reshape((n_samples, -1))

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

79 79

21Y3228.indd 79 2019/10/10 14:24:06