今天用支持向量機（SVM）玩了下Python的sklearn庫自帶的經(jīng)典數(shù)據(jù)集——digits手寫數(shù)字?jǐn)?shù)據(jù)集！?? 這個數(shù)據(jù)集包含1797個手寫數(shù)字圖像，每個圖像為8x8像素，相當(dāng)于一個64維特征空間的挑戰(zhàn)。??

首先，加載數(shù)據(jù)并劃分訓(xùn)練集與測試集，確保模型能學(xué)習(xí)到模式同時驗證效果??：

```python

from sklearn import datasets

from sklearn.model_selection import train_test_split

from sklearn.svm import SVC

加載數(shù)據(jù)

digits = datasets.load_digits()

X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.3)

構(gòu)建SVM模型

svm_model = SVC(kernel='linear')

svm_model.fit(X_train, y_train)

```

接著，用測試集評估模型表現(xiàn)，準(zhǔn)確率高達98%！?? 真是令人驚喜的結(jié)果～

最后，隨機挑一張圖片可視化，讓模型猜猜它是什么??：

```python

import matplotlib.pyplot as plt

plt.imshow(digits.images[0], cmap=plt.cm.gray_r)

print("真實值:", digits.target[0])

print("預(yù)測值:", svm_model.predict([digits.data[0]]))

plt.show()

```

?手寫數(shù)字識別不僅有趣，還展示了機器學(xué)習(xí)的強大能力。快來試試吧！??