pythonsklearn逻辑回归 - 手写数字识别

在Python的scikit-learn库中，逻辑回归通常用于分类任务，包括手写数字识别这样的二元或多分类问题。对于手写数字识别，我们可以采用逻辑回归模型来进行线性决策边界划分。以下是基本步骤：

1. **数据准备**：首先，需要导入`sklearn.datasets`下的`load_digits`函数获取MNIST数据集，这是一个包含60000个训练样本和10000个测试样本的手写数字图像。

from sklearn.datasets import load_digits
digits = load_digits()
X_train, y_train = digits.data, digits.target

2. **特征提取与预处理**：由于逻辑回归对数值输入敏感，我们通常会对图像数据进行预处理，如标准化或归一化。

3. **模型创建**：创建逻辑回归模型实例并选择适当的核（对于线性问题，`LogisticRegression`默认就是线性的）。

from sklearn.linear_model import LogisticRegression
model = LogisticRegression(solver='lbfgs')

4. **训练模型**：使用训练数据拟合模型。

model.fit(X_train, y_train)

5. **预测**：使用模型对测试集进行预测，并评估性能。

y_pred = model.predict(X_test)

6. **评估与分析**：通过比较`y_pred`和`y_test`计算准确率、精确率、召回率等指标，了解模型性能。

from sklearn.metrics import accuracy_score, classification_report
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
print(classification_report(y_test, y_pred))