手写数字
本课属于 Coddy Machine Learning 学习旅程的“监督学习”单元。第 57 课，共 58 课。
邮局的分拣机从你在“数字一览”中见过的 8×8 扫描图中读取手写的邮政编码数字，load_digits：
有两位候选者想要这份工作：k-NN，其中 k 由工程师建议；还有由 100 棵树组成的随机森林。
这次，错误很重要。办公室需要更公平的获胜者、它在未见过的扫描图像上的得分，以及最常见的混淆情况，因此这些数字会交给一个人处理。
挑战
困难程序会读取工程师的 k；起始代码会创建一个带标题的图表。
- 分层划分出四分之一作为测试集，使用
random_state=0。 - 在训练数据上，用这个
k对 k-NN 进行交叉验证，并用 100 棵树的随机森林（random_state=0）进行交叉验证，分成 5 折。打印各自的平均值（保留 3 位小数）和胜出的模型。 - 训练胜出的模型，并打印它在测试集上的准确率。
- 打印测试集混淆矩阵中数量最多的错误，然后在
ax上绘制矩阵并显示。
换一台机器，并输入 3：
k-NN: CV accuracy 0.979
Random forest: CV accuracy 0.968
Winner: k-NN
Test accuracy: 0.976
Most confused: 7 read as 2 (3 times)然后 Coddy 会显示你的矩阵。
亲手试试
import matplotlib.pyplot as plt
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.neighbors import KNeighborsClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
digits = load_digits()
X = digits.data
y = digits.target
k = int(input())
fig, ax = plt.subplots()
ax.set_title("Test Digits")
# 在下方编写你的代码
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
监督学习中的所有课
自己练习： Python 在线编译器