ألقِ نظرة على الأرقام

جزء من قسم التعلّم غير الخاضع للإشراف في رحلة Machine Learning على Coddy. الدرس 43 من 51.

مشروعك الأخير: 1,797 صورة ممسوحة ضوئيًا لكتابات بخط اليد، ولا معلّم. على مدى خمسة دروس، ستكتشف مجموعات كهذه من دون قراءة أي تسمية:

عشر صور ضبابية رمادية لأرقام في صفين، تمثل مراكز عشر مجموعات عثر عليها k-means في الصور الممسوحة ضوئيًا: 9، و1 أو 8 ضبابي، و7، و6، و2، و0، و3، و4، و5، و1 رفيع

يبدأ كل مشروع بالنظر. يوضّح التباين في البكسل، أي الانحراف المعياري له عبر عمليات مسح عديدة، المواضع التي يختلف فيها الكُتّاب. هنا، عبر جميع الأرقام 7:

شبكة 8 في 8 تُظهر تباين البكسلات للرقم 7، ويشير الأزرق الداكن إلى تباين أكبر: مرتفع على طول الشريط العلوي والامتداد النازل، و0.0 على الحافة اليسرى وفي أسفل اليمين

spread = X[y == 7].std(axis=0)
print((spread == 0).sum())

يطبع هذا 15: خمسة عشر بكسلًا تكون فارغة في كل 7. البكسل الذي لا يتغير أبدًا لا يخبر النموذج بأي شيء.

التحدي

متوسط

ابدأ الاستكشاف. يحمّل الكود الابتدائي صور المسح إلى X، والأرقام إلى y، ويجهّز مخططًا.

اعثر على مدى تباين كل بكسل عبر جميع صور المسح. اطبع صف البكسل الأكثر نشاطًا وعموده ومدى تباينه (بدقتين عشريتين)، ثم عدد البكسلات التي تظل فارغة في كل صور المسح.
اعرضها كصورة من 8 في 8 على ax، باستخدام cmap="Blues"، مع شريط ألوان. اعرضها.

للرقم 1 وحده:

Busiest pixel: row 6, column 5 (spread 6.53)
Blank in every scan: 12 pixels

صورة من 8 في 8 بعنوان «مواضع اختلاف الكتّاب»، مع شريط ألوان: مدى تباين كل بكسل في الرقم 1، والصفوف والأعمدة مرقمة من 0 إلى 7: شريطان داكنان في المنتصف، حيث وضع الكتّاب الخط في مواضع مختلفة، وحافتان باهتتان على اليمين واليسار

صورتك تشمل صور المسح الـ1,797 كلها. يصف Coddy صورتك. أين يختلف الكتّاب أكثر؟

جرّب بنفسك

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_digits

# 1,797 صورة ممسوحة ضوئيًا لأرقام مكتوبة بخط اليد: في كل منها 64 بكسل (8 في 8، وكثافة الحبر من 0 إلى 16) والرقم المكتوب
digits = load_digits()
X = digits.data
y = digits.target

fig, ax = plt.subplots()
ax.set_title("Where Writers Disagree")

# اكتب الكود الخاص بك أدناه