【機械学習初心者向け】ロジスティック回帰で手書き文字認識【機械学習の実装】

#os,numpy,PILのインポート
import os
import numpy as np
from PIL import Image
#sklearnのインポート
import sklearn
from sklearn.datasets import load_digits
from sklearn.linear_model import LogisticRegression
from sklearn.cross_validation import train_test_split

#画像の入っているフォルダを指定し、中身のファイル名を取得
filenames = sorted(os.listdir('handwrite_numbers'))
#フォルダ内の全画像をデータ化
img_test = np.empty((0, 64))
for filename in filenames:
    #画像ファイルを取得、グレースケールにしてサイズ変更
    img = Image.open('handwrite_numbers/' + filename).convert('L')
    resize_img = img.resize((64, 64))
    img_data256 = np.array([])
    #サイズを更に縮めて配列を作り、sklearnのdigitsと同じ型にする
    #64画素の1画素ずつ明るさをプロット
    for y in range(8):
        for x in range(8):
            #1画素に縮小される範囲の明るさの二乗平均をとり、白黒反転
            crop = np.asarray(resize_img.crop(
                (x * 8, y * 8, x * 8 + 8, y * 8 + 8)))
            bright = 255 - crop.mean()**2 / 255
            img_data256 = np.append(img_data256, bright)

    #画像データ内の最小値が0、最大値が16になるように計算
    min_bright = img_data256.min()
    max_bright = img_data256.max()
    img_data16 = (img_data256 - min_bright) / (max_bright - min_bright) * 16
    #加工した画像データの配列をまとめる
    img_test = np.r_[img_test, img_data16.astype(np.uint8).reshape(1, -1)]

#sklearnのデータセットから取得、目的変数Xと説明変数yに分ける
digits = load_digits()
X = digits.data
y = digits.target
#教師データとテストデータに分ける
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.5, random_state=0)
#ロジスティック回帰のモデルを作る。教師データを使って学習
logreg = LogisticRegression()
logreg_model = logreg.fit(X_train, y_train)
#確認のため訓練結果を表示
print('教師データのスコア:', logreg_model.score(X_train, y_train))
print('テストデータのスコア:', logreg_model.score(X_test, y_test))

#画像データの正解を配列にしておく
X_true = []
for filename in filenames:
    X_true = X_true + [int(filename[:1])]
X_true = np.array(X_true)
#ロジスティック回帰の学習済みモデルに画像データを入れ、判別
pred_logreg = logreg_model.predict(img_test)
#結果の出力
print('判別結果')
print('観測:', X_true)
print('予測:', pred_logreg)
print('正答率:', logreg_model.score(img_test, X_true))

$ python3 Handwrite_recognition.py
教師データのスコア: 0.998886414254
テストデータのスコア: 0.944382647386
判別結果
観測: [0 0 0 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6 7 7 7 8 8 8 9 9 9]
予測: [0 0 0 6 1 1 1 2 1 1 3 4 4 4 4 5 4 1 6 6 6 7 7 0 8 1 4 9 4 9]
正答率: 0.633333333333

#os,numpy,PILのインポート
import os
import numpy as np
from PIL import Image
#sklearnのインポート
import sklearn
from sklearn.datasets import load_digits
from sklearn.linear_model import LogisticRegression
from sklearn.cross_validation import train_test_split
"""
------------------------------------------------------------------
"""
#画像の入っているフォルダを指定し、中身のファイル名を取得
filenames = sorted(os.listdir('handwrite_numbers'))
#フォルダ内の全画像をデータ化
img_test = np.empty((0, 64))
for filename in filenames:
    #画像ファイルを取得、グレースケールにしてサイズ変更
    img = Image.open('handwrite_numbers/' + filename).convert('L')
    resize_img = img.resize((64, 64))
    img_data256 = np.array([])
    #サイズを更に縮めて配列を作り、sklearnのdigitsと同じ型にする
    #64画素の1画素ずつ明るさをプロット
    for y in range(8):
        for x in range(8):
            #1画素に縮小される範囲の明るさの二乗平均をとり、白黒反転
            crop = np.asarray(resize_img.crop(
                (x * 8, y * 8, x * 8 + 8, y * 8 + 8)))
            bright = 255 - crop.mean()**2 / 255
            img_data256 = np.append(img_data256, bright)

    #画像データ内の最小値が0、最大値が16になるように計算
    min_bright = img_data256.min()
    max_bright = img_data256.max()
    img_data16 = (img_data256 - min_bright) / (max_bright - min_bright) * 16
    #加工した画像データの配列をまとめる
    img_test = np.r_[img_test, img_data16.astype(np.uint8).reshape(1, -1)]
"""
------------------------------------------------------------------
"""
#sklearnのデータセットから取得、目的変数Xと説明変数yに分ける
digits = load_digits()
X = digits.data
y = digits.target
#教師データとテストデータに分ける
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.5, random_state=0)
#線形回帰のモデルを作る。教師データを使って学習
logreg = LogisticRegression()
logreg_model = logreg.fit(X_train, y_train)
#確認のため訓練結果を表示
print('教師データのスコア:', logreg_model.score(X_train, y_train))
print('テストデータのスコア:', logreg_model.score(X_test, y_test))
"""
------------------------------------------------------------------
"""
X_true = []
for filename in filenames:
    X_true = X_true + [int(filename[:1])]
X_true = np.array(X_true)

pred_logreg = logreg_model.predict(img_test)

print('判別結果')
print('観測:', X_true)
print('予測:', pred_logreg)
print('正答率:', logreg_model.score(img_test, X_true))