NumPy zum Importieren von Flat Files verwenden
In dieser Übung lädst du den MNIST-Datensatz zur Ziffernerkennung mit der Numpy-Funktion loadtxt(). So einfach geht‘s:
- Das erste Argument ist der Dateiname.
- Das zweite ist das Trennzeichen, in diesem Fall ein Komma.
Der MNIST-Datensatz ist eine Sammlung handgeschriebener Ziffern von 0 bis 9, die häufig im Bereich des maschinellen Lernens verwendet wird. Sie dient als Maßstab für die Bewertung der Leistung des Algorithmus beim Erkennen und Klassifizieren dieser Zahlen.
Diese Übung ist Teil des Kurses
Einführung in das Importieren von Daten in Python
Anleitung zur Übung
- Fülle die Argumente von
np.loadtxt()aus, indem dufileund ein Komma','als Trennzeichen angibst. - Fülle das Argument von
print()aus, dass es den Typ des Objektsdigitsausgibt. Verwende die Funktiontype(). - Führe den Rest des Codes aus, um eine der Datenzeilen zu visualisieren.
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Import packages
import numpy as np
# Assign filename to variable: file
file = 'digits.csv'
# Load file as array: digits
digits = np.loadtxt(____, delimiter='____')
# Print datatype of digits
print(____)
# Select and reshape a row
im = digits[21, 1:]
im_sq = np.reshape(im, (28, 28))
# Plot reshaped data (matplotlib.pyplot already loaded as plt)
plt.imshow(im_sq, cmap='Greys', interpolation='nearest')
plt.show()