4.13 Sklearn手写数字识别
上一节我们学习了如何从头开始搭建一个BP神经网络来完成手写数字识别,其实搭建BP神经网络还有更简单快捷的方法,即使用scikit-learn模块。scikit-learn是一个常用的Python模型,里面封装了大量的机器学习算法,其中就包括BP神经网络。下面我们来看一下如何使用scikit-learn中的神经网络算法来进行手写数字识别,如代码4-4所示。
代码4-4:BP神经网络完成手写数字识别(使用scikit-learn中的神经网络算法)


运行结果如下:

要注意的是,scikit-learn中封装的神经网络只是普通的BP神经网络,不具备深度学习算法。如果要实现深度学习算法,需要使用专门的深度学习框架,如Tensorflow,在下一章中我们将会详细介绍。