帮我用决策树的方法写一个手写识别的python代码
时间: 2024-05-14 12:13:11 浏览: 9
好的,我可以回答这个问题。以下是一个简单的手写数字识别的决策树代码示例:
```python
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# 加载手写数字数据集
digits = load_digits()
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.2, random_state=42)
# 训练决策树模型
model = DecisionTreeClassifier()
model.fit(X_train, y_train)
# 在测试集上评估模型准确率
y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)
```
这个代码使用了scikit-learn库中的决策树分类器来训练手写数字识别模型。它首先加载了手写数字数据集,并将其划分为训练集和测试集。然后,它使用训练集来训练决策树模型,并使用测试集来评估模型的准确率。最后,它打印出来模型的准确率。
希望这个示例能对你有所帮助!