使用LogisticRegression逻辑回归完成MNIST的

MNIST 数据集是经典的手写数字识别数据集，每个样本28*28

精简版MNIST：一共1797个样本，每个样本8*8，sklearn自带

完整版MNIST：一共6万个样本（5万个训练，1万个测试），每个样本28*28

http://deeplearning.net/data/mnist/mnist.pkl.gz

# 引入包

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LogisticRegression

from sklearn import preprocessing

from sklearn.metrics import accuracy_score

from sklearn.datasets import load_digits

# 加载数据

digits = load_digits()

data = digits.data

# 数据预处理

# 采用Z-Score规范化

ss = preprocessing.StandardScaler()

train_ss_x = ss.fit_transform(train_x)

test_ss_x = ss.transform(test_x)

# 创建LR分类器

lr = LogisticRegression()

lr.fit(train_ss_x, train_y)

predict_y=lr.predict(test_ss_x)

print('LR准确率: %0.4lf' % accuracy_score(test_y, predict_y))

LR准确率: 0.9644