机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

86

第 3 章

分类

第 1 章提到，最常见的有监督学习任务包括回归任务（预测值）和分类任务（预测类）。

第 2 章探讨了一个回归任务

—

预测住房价格，用到了线性回归、决策树以及随机森林

等各种算法（我们将会在后续章节中进一步讲解这些算法）。本章中我们将把注意力转

向分类系统。

3.1 MNIST

本章将使用 MNIST 数据集，这是一组由美国高中生和人口调查局员工手写的 70 000 个

数字的图片。每张图片都用其代表的数字标记。这个数据集被广为使用，因此也被称作

是机器学习领域的“ Hello World”：但凡有人想到了一个新的分类算法，都会想看看在

MNIST 上的执行结果。因此只要是学习机器学习的人，早晚都要面对 MNIST。

Scikit-Learn 提供了许多助手功能来帮助你下载流行的数据集。MNIST 也是其中之一。

下面是获取 MNIST 数据集的代码

注 1

：

>>> from sklearn.datasets import

fetch_openml

>>>

mnist = fetch_openml('mnist_784', version=1)

>>>

mnist.keys()

dict_keys(['data', 'target', 'feature_names', 'DESCR', 'details',

'categories', 'url'])

Scikit-Learn 加载的数据集通常具有类似的字典结构，包括：

•

DESCR 键，描述数据集。

•

data 键，包含一个数组，每个实例为一行，每个特征为一列。 ...