怎样用Python识别手写数字

识别手写数字可以使用机器学习算法，比如支持向量机（SVM）和神经网络（NN）。在Python中，可以使用scikit-learn库和tensorflow库来实现手写数字识别。以下是一个使用scikit-learn库实现手写数字识别的例子：

1. 加载数据集

from sklearn.datasets import load_digits

digits = load_digits()
X = digits.data
y = digits.target

2. 数据预处理

将数据集划分为训练集和测试集，并进行特征缩放：

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

3. 训练模型

使用支持向量机（SVM）进行训练：

from sklearn.svm import SVC

svm = SVC()
svm.fit(X_train, y_train)

4. 模型评估

使用测试集进行模型评估：

from sklearn.metrics import accuracy_score

y_pred = svm.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: {}".format(accuracy))

可以看到，使用支持向量机算法进行手写数字识别，可以得到较高的准确率。

除了使用scikit-learn库，也可以使用tensorflow库来实现手写数字识别。具体实现可以参考tensorflow官方文档和示例代码。