Hier werden die Unterschiede zwischen zwei Versionen gezeigt.
Beide Seiten der vorigen Revision Vorhergehende Überarbeitung Nächste Überarbeitung | Vorhergehende Überarbeitung | ||
ss16:07.07.2016 [2016/07/07 16:38] henrikfrenzel |
ss16:07.07.2016 [2016/07/07 16:46] (aktuell) henrikfrenzel |
||
---|---|---|---|
Zeile 4: | Zeile 4: | ||
=== Ziele: === | === Ziele: === | ||
* knn-Algorithmus von scikit-learn für MNIST-Datensatz implementieren | * knn-Algorithmus von scikit-learn für MNIST-Datensatz implementieren | ||
- | |||
<code python> | <code python> | ||
from __future__ import division | from __future__ import division | ||
Zeile 48: | Zeile 47: | ||
=== Support Vector Classification(SVC): === | === Support Vector Classification(SVC): === | ||
<code python> | <code python> | ||
- | Support Vector Classification | + | for i in range(2): |
+ | if i==0: | ||
+ | clf = neighbors.KNeighborsClassifier(8) | ||
+ | if i==1: | ||
+ | clf = svm.SVC() | ||
+ | t1=time.clock() | ||
+ | clf.fit(datenkurz, zahl) | ||
+ | Genauigkeit=clf.score(test,labels) | ||
+ | t2=time.clock() | ||
+ | zeit=t2-t1 | ||
+ | |||
+ | print "Genauigkeit: ", Genauigkeit, "Zeit: ", zeit | ||
+ | </code> | ||
+ | == Ausgabe: == | ||
+ | <code terminal> | ||
+ | Genauigkeit: 0.957 Zeit: 12.72157 #knn | ||
+ | |||
+ | Genauigkeit: 0.955 Zeit: 24.224649 #SVC | ||
</code> | </code> | ||
+ | Genauigkeit bei Support Vector Classification und k-nearest-Neighbor-Algorithmus ist ähnlich allerdings ist SVC deutlich langsamer als knn. |