Linux環境でPython、機械学習を使って手書き文字を識別する

基本的には以下のサイトの通りに（言われるがままに）やっみた。

【機械学習】Python3 + scikit-learn で識別率99%の手書き数字の分類器を作った - 株式会社クイックのWebサービス開発blog

自分の環境はUbuntu 16.04 LTS

環境構築

1.apt-get使ってぱーっと入れる。

sudo apt-get install python3 python-dev python3-pip
sudo apt-get install virtualenv

sudo apt-get install python-pip

2.
mkdir image_classify
cd image_classify
virtualenv -p python3 env
source env/bin/activate

3.

教師データは↓のものを使うよ

MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges

# sudoで実行しない
pip install numpy
pip install scipy

# 先にライブラリを入れておく
sudo apt-get install gfortran liblapack-dev
pip install scikit-learn
4.

# データを入れておく場所
mkdir data
cd data
wget http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz
wget http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz
wget http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz
wget http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz
5.

gzip -dc train-images-idx3-ubyte.gz | od -An -v -tu1 -j16 -w784 | sed 's/^ *//' | tr -s ' ' > train-images.txt
gzip -dc train-labels-idx1-ubyte.gz | od -An -v -tu1 -j8 -w1 | tr -d ' ' > train-labels.txt
gzip -dc train-images-idx3-ubyte.gz | od -An -v -tu1 -j16 -w784 | sed 's/^ *//' | tr -s ' ' > test-images.txt
gzip -dc train-labels-idx1-ubyte.gz | od -An -v -tu1 -j8 -w1 | tr -d ' ' > test-labels.txt

6.
適当にimage.pyみたいなの作って以下のコードをかく

#!/usr/bin/env python

import numpy as np
from sklearn.ensemble import RandomForestClassifier

# learninig data
data_training = np.loadtxt('data/train-images.txt', delimiter=' ')
label_training = np.loadtxt('data/train-labels.txt')

# test data
data_test = np.loadtxt('data/test-images.txt', delimiter=' ')
label_test = np.loadtxt('data/test-labels.txt', delimiter=' ')

# learn
#estimator = LinearSVC(C=1.0)
estimator = RandomForestClassifier()
estimator.fit(data_training, label_training)

# test
print(estimator.score(data_test, label_test))

7.

ターミナルで

python image.py

とかやると

0.9990166666666667

と出てきた。とりあえずやってみた感が強いので、明日あたりにちゃんと理解して編集、更新します。