使用 sklearn 在 MNIST 数据集上进行手写数字识别

Question

我想使用 sklearn 在 MNIST 数据集上构建一个手写数字识别，我想为特征（x）和标签（y）打乱我的训练集。但它显示了 KeyError。让我知道什么是正确的做法。

    from sklearn.datasets import fetch_openml
    mnist = fetch_openml('mnist_784')
    x,y=mnist['data'],mnist['target']
    x.shape
    y.shape
    import matplotlib
    import matplotlib.pyplot as plt
    import numpy as np
    digit = np.array(x.iloc[45])
    digit_img = digit.reshape(28,28)
    plt.imshow(digit_img,cmap=matplotlib.cm.binary , interpolation="nearest")
    plt.axis("off")
    y.iloc[45]
    x_train, x_test = x[:60000],x[60000:]
    y_train, y_test=y[:60000],y[60000:]
    import numpy as np
    shuffled = np.random.permutation(60000)
    x_train=x_train[shuffled] -->
    y_train = y_train[shuffled] --> these two lines are throwing error

Answer 1

请检查 type(x_train) 是 numpy.ndarray 还是 DataFrame。从 Scikit-Learn 0.24 开始，默认 fetch_openml() returns a Pandas DataFrame。如果它是数据帧，在这种情况下你不能使用 x_train[shuffled]，它适用于数组。而是使用 x_train.iloc[shuffled]

使用 sklearn 在 MNIST 数据集上进行手写数字识别

Handwritten Digit Recognition on MNIST dataset using sklearn

numpy

machine-learning

scikit-learn

mnist

numpy-random