clf . score ( Xtest , Ytest)

#導(dǎo)入庫
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
"""
sk-learn庫中自帶了一些數(shù)據(jù)集
此處使用的就是手寫數(shù)字識別圖片的數(shù)據(jù)
"""
# 導(dǎo)入sklearn庫中datasets模塊
from sklearn import datasets
# 利用datasets模塊中的函數(shù)load_digits()進行數(shù)據(jù)加載
digits = datasets.load_digits()
# 把數(shù)據(jù)所代表的圖片顯示出來
images_and_labels = list(zip(digits.images, digits.target))
plt.figure(figsize=(8, 6))
for index, (image, label) in enumerate(images_and_labels[:8]):
    plt.subplot(2, 4, index + 1)
    plt.axis('off')
    plt.imshow(image, cmap=plt.cm.gray_r, interpolation='nearest')
    plt.title('Digit: %i' % label, fontsize=20);

# 將數(shù)據(jù)保存為 樣本個數(shù)x特征個數(shù) 格式的array對象 的數(shù)據(jù)格式進行輸出
# 數(shù)據(jù)已經(jīng)保存在了digits.data文件中
print("shape of raw image data: {0}".format(digits.images.shape))
print("shape of data: {0}".format(digits.data.shape))

# 把數(shù)據(jù)分成訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集（此處將數(shù)據(jù)集的百分之二十作為測試數(shù)據(jù)集）
from sklearn.model_selection import train_test_split
Xtrain, Xtest, Ytrain, Ytest = train_test_split(digits.data, digits.target, test_size=0.20, random_state=2);
# 使用支持向量機來訓(xùn)練模型
from sklearn import svm
clf = svm.SVC(gamma=0.001, C=100., probability=True)
# 使用訓(xùn)練數(shù)據(jù)集Xtrain和Ytrain來訓(xùn)練模型
clf.fit(Xtrain, Ytrain);

"""
sklearn.metrics.accuracy_score(y_true, y_pred, normalize=True, sample_weight=None)
normalize：默認值為True，返回正確分類的比例；如果為False，返回正確分類的樣本數(shù)
"""
# 評估模型的準確度(此處默認為true，直接返回正確的比例，也就是模型的準確度)
from sklearn.metrics import accuracy_score
# predict是訓(xùn)練后返回預(yù)測結(jié)果，是標(biāo)簽值。
Ypred = clf.predict(Xtest);
accuracy_score(Ytest, Ypred)

"""
將測試數(shù)據(jù)集里的部分圖片顯示出來
圖片的左下角顯示預(yù)測值，右下角顯示真實值
"""
# 查看預(yù)測的情況
fig, axes = plt.subplots(4, 4, figsize=(8, 8))
fig.subplots_adjust(hspace=0.1, wspace=0.1)
for i, ax in enumerate(axes.flat):
    ax.imshow(Xtest[i].reshape(8, 8), cmap=plt.cm.gray_r, interpolation='nearest')
    ax.text(0.05, 0.05, str(Ypred[i]), fontsize=32,
            transform=ax.transAxes,
            color='green' if Ypred[i] == Ytest[i] else 'red')
    ax.text(0.8, 0.05, str(Ytest[i]), fontsize=32,
            transform=ax.transAxes,
            color='black')
    ax.set_xticks([])
    ax.set_yticks([])

# 保存模型參數(shù)
import joblib
joblib.dump(clf, 'digits_svm.pkl');

# 導(dǎo)入模型參數(shù)，直接進行預(yù)測
clf = joblib.load('digits_svm.pkl')
Ypred = clf.predict(Xtest);
clf.score(Xtest, Ytest)