Python 用数字学习

我不明白

我正在尝试使用scikit learn with matplotlib with digits dataset

这是我的密码

import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import svm
from sklearn.model_selection import train_test_split

digits = datasets.load_digits()

clf = svm.SVC(gamma=0.001, C=100.)

X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.2, random_state=2017)

clf.fit(X_train, y_train)

pred = clf.predict(X_test)

print("Prediction: {}".format(pred))    
plt.imshow(digits.images[-1], cmap=plt.cm.gray_r, interpolation='nearest')
plt.show()

matplotlib绘图图像编号4，当我尝试打印预测时，它每次都会打印此输出

Prediction: [8 1 3 8 5 8 1 4 9 7 5 2 1 4 3 2 4 9 5 4 1 9 2 4 7 8 9 3 1 7 5 7 6 2 0 5 7
 1 6 1 9 4 4 5 3 7 3 6 3 3 9 8 5 2 6 1 1 1 4 5 4 2 8 2 7 2 9 7 8 9 1 2 8 0
 7 8 9 0 1 5 4 0 0 9 2 6 7 8 6 5 1 3 1 8 7 7 2 2 2 6 7 4 1 7 2 5 8 3 4 2 3
 7 6 1 1 0 3 0 2 5 9 3 1 6 9 5 6 2 0 3 2 7 4 6 5 3 9 5 1 5 6 0 1 8 6 5 1 6
 2 1 2 5 0 2 3 4 2 4 9 4 4 2 3 9 2 9 8 2 5 9 9 7 3 7 8 1 4 9 2 9 5 1 8 7 4
 8 2 7 6 9 8 8 3 7 1 9 1 4 5 7 0 5 9 3 5 0 5 0 5 5 2 1 3 5 3 2 8 4 7 4 7 3
 7 2 9 5 6 2 8 0 5 0 2 1 9 2 9 6 1 0 1 7 6 3 1 0 3 2 4 0 6 1 2 1 6 2 8 2 7
 1 5 6 6 9 2 1 4 4 8 0 7 6 2 5 0 4 5 5 5 5 7 4 8 1 0 8 4 8 7 2 5 5 7 3 2 4
 4 7 8 2 0 7 1 4 0 9 6 1 8 5 5 1 5 6 1 7 1 5 5 8 4 6 6 0 6 5 0 9 8 0 8 0 9
 2 0 9 5 7 0 8 1 7 0 6 7 7 0 0 7 7 5 0 3 2 2 8 8 7 7 0]

我试图在matplotlib中打印数字，但它显示了此输出

---

我希望打印预测：8

好的，下面是评论中的人们试图告诉你的：

X_测试

不是单个数据点，而是整个测试集。包括多少个样品

X_test.shape
# (360, 64)

因此，它包括360个样本；因此，您的

pred

变量还必须包含所有这些360个样本的预测。事实上：

pred.shape
# (360,)

是否要在

X\u测试中检查第一个样本的预测

pred[0]
# 8

这一预测的基本事实是什么

y_test[0]
# 8

看来您对第一个测试样本的预测是正确的。是否要绘制此示例（
X_测试[0]
）？您应该首先将其重新整形为
（8,8）
，因为
列车测试分割
加载数字（）

plt.imshow(X_test[0].reshape(8,8), cmap=plt.cm.gray_r, interpolation='nearest')
plt.show()


嗯，它看起来像是8（一种）.
你不明白什么？请解释清楚。
pred
数组返回
X_test
中存在的所有样本的预测。你不明白为什么你的代码每次都打印相同的预测，是吗？就是这样，每次我尝试打印matplotlib图像中的数字时，它都打印相同的预测，但它会打印这个输出，因为您将X_测试参数传递给predict（）。只需稍加更正<代码>序列测试分割
不要展平数字的形状。
load\u digits（）.data
返回的数组已经是
的数组（n\u samples，64）