用python写人工智能程序

作为AI语言, Python可以用于编写各种人工智能程序，下面是一个简单的例子，使用Python编写一个基于机器学习的手写数字识别程序。

首先，我们需要导入必要的库，包括numpy用于矩阵运算、matplotlib用于绘图、scikit-learn用于机器学习。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

接着，我们加载手写数字数据集，其中包含了1797个数字图像，每个图像由8x8个像素组成，每个像素的取值范围为0~16。

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

我们可以随机选择几个图像进行可视化，以便更好地了解数据集。

fig, axes = plt.subplots(4, 4)
for i, ax in enumerate(axes.flat):
    ax.imshow(X[i].reshape(8, 8), cmap='gray')
    ax.set_xticks([])
    ax.set_yticks([])
plt.show()

接着，我们将数据集划分为训练集和测试集，其中75%的数据用于训练，25%的数据用于测试。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)

然后，我们使用SVM算法进行训练，并对测试集进行预测。

clf = SVC(kernel='linear')
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)

最后，我们可以计算模型的准确率，并输出混淆矩阵以进一步评估模型的性能。

acc = np.mean(y_pred == y_test)
print("Accuracy:", acc)
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_pred)
print("Confusion matrix:\n", cm)

完整代码如下：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

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

fig, axes = plt.subplots(4, 4)
for i, ax in enumerate(axes.flat):
    ax.imshow(X[i].reshape(8, 8), cmap='gray')
    ax.set_xticks([])
    ax.set_yticks([])
plt.show()

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)

clf = SVC(kernel='linear')
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)

acc = np.mean(y_pred == y_test)
print("Accuracy:", acc)
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_pred)
print("Confusion matrix:\n", cm)