了解人工智能解决问题大概整个过程

AI现在很多大型互联网公司都想抢占制高点，咱们也不能落后，学习是必须的，下面就一个具体案例来大概认识一下人工智能解决问题大概过程：

# coding=UTF-8
from sklearn.model_selection import train_test_split
from sklearn.neighbors import  KNeighborsClassifier
from sklearn.metrics import  accuracy_score
from sklearn import datasets
'''
手写体数字 ，监督学习
1、样本集：一批手写数字的图片，带标签（0-9），10类

样本数据量为1797，保存在sklearn的datasets里。
每一个数据样本是由image,target两部分组成。
image是一个尺寸为8*8的图像（手写的数字0-9)
target是图像的类别(0-9）
2、划分训练集和测试集(验证集)
3、选择一个算法，构建一个模型 KNN
4、训练模型
5、预测、验证

6、模型优化 SVM，决策树
7、保存模型 .model文件  load  predict
8、新建多张手写体图片，让模型来识别
'''
sample_data=datasets.load_digits()
images=sample_data.data
lables=sample_data.target

#划分训练集和测试集(验证集)
train_data,test_data,train_labels,test_lables=train_test_split(images,lables,test_size=0.1)
#选择一个算法，构建一个模型 KNN
model_knn=KNeighborsClassifier(n_neighbors=8,algorithm='auto',weights='distance')
#训练模型
model_knn.fit(train_data,train_labels)
#预测、验证
pred=model_knn.predict(test_data)
print("pred: \n",pred)
print("test_labels: \n",test_lables)
#查看准确率
acc=accuracy_score(pred,test_lables)
print("Accuracy rate: %.3f" % acc)

文出自 “凹凸曼” 博客，请务必保留此出处 http://www.apoyl.com/?p=2501