用python手写数字识别

可以使用Python中的机器学习库来手写数字识别。以下是一个简单的例子：

首先，我们需要安装必要的库，包括numpy、matplotlib和sklearn：

pip install numpy matplotlib scikit-learn

然后，我们可以使用sklearn中的手写数字数据集，该数据集包含许多手写数字的图像和对应的标签。我们可以使用以下代码加载数据集：

from sklearn.datasets import load_digits

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

接下来，我们需要将数据集分成训练集和测试集：

from sklearn.model_selection import train_test_split

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

然后，我们可以使用sklearn中的KNN模型进行训练和预测：

from sklearn.neighbors import KNeighborsClassifier

knn = KNeighborsClassifier()
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)

最后，我们可以使用sklearn中的accuracy_score函数来计算模型的准确率：

from sklearn.metrics import accuracy_score

accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")

完整代码如下：

from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

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

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

knn = KNeighborsClassifier()
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)

accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")

运行代码后，将输出模型的准确率。