Kaggle入门——使用scikit-learn解决DigitRecognition问题
@author: wepon
@blog:
http://blog.csdn.net/u012162613
1、scikit-learn简介
scikit-learn是一个基于NumPy、SciPy、Matplotlib的开源机器学习工具包，采用Python语言编写，主要涵盖分类、
回
归和聚类等算法，例如
knn、SVM、逻辑回归、朴素贝叶斯、随机森林、k-means等等诸多算法，官网上代码和文档
都非
常不
错，对于机器学习开发者来说，是一个使用方便而强大的工具，节省不少开发时间。
scikit-learn官网指南：
http://scikit-learn.org/stable/user_guide.html
上一篇文章
《大数据竞赛平台—Kaggle入门》
我分两部分内容介绍了Kaggle，在第二部分中，我记录了解决Kaggle上的竞赛项目DigitRecognition的整个过程，当时我是用自己写的kNN算法，尽管自己写歌kNN算法并不会花很多时间，但是当我们想尝试更多、更复杂的算法，如果每个算法都自己实现的话，会很浪费时间，这时候scikit-learn就发挥作用了，我们可以直接调用scikit-learn的算法包。当然，对于初学者来说，最好还是在理解了算法的基础上，来调用这些算法包，如果有时间，自己完整地实现一个算法相信会让你对算法掌握地更深入。
OK，话休絮烦，下面进入第二部分。
2、使用scikit-learn解决DigitRecognition
我发现自己很喜欢用DigitRecognition这个问题来练习分类算法，因为足够简单。如果你还不知道
DigitRecognition问题是什么，请先简单了解一下：
Kaggle DigitRecognition
，在我上一篇文章中也有描述：
《大数据竞赛平台—Kaggle入门》
。下面我使用scikit-learn中的算法包kNN（k近邻）、SVM（支持向量机）、NB（朴素贝叶斯）来解决这个问题，解决问题的关键步骤有两个：1、处理数据。2、调用算法。
（1）处理数据
这一部分与上一篇文章
《大数据竞赛平台—Kaggle入门》
中第二部分的数据处理是一样的，本文不打算重复，下面只简单地罗列各个函数及其功能，在本文最后部分也有详细的代码。
版权声明：本文为u012162613原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。