使用 sklearn 在 MNIST 数据集上进行手写数字识别

Question

我想使用 sklearn 在 MNIST 数据集上构建手写数字识别，并且我想为特征（x）和标签（y）洗牌我的训练集。 但它显示了一个 KeyError。 让我知道什么是正确的方法。

    from sklearn.datasets import fetch_openml
    mnist = fetch_openml('mnist_784')
    x,y=mnist['data'],mnist['target']
    x.shape
    y.shape
    import matplotlib
    import matplotlib.pyplot as plt
    import numpy as np
    digit = np.array(x.iloc[45])
    digit_img = digit.reshape(28,28)
    plt.imshow(digit_img,cmap=matplotlib.cm.binary , interpolation="nearest")
    plt.axis("off")
    y.iloc[45]
    x_train, x_test = x[:60000],x[60000:]
    y_train, y_test=y[:60000],y[60000:]
    import numpy as np
    shuffled = np.random.permutation(60000)
    x_train=x_train[shuffled] -->
    y_train = y_train[shuffled] --> these two lines are throwing error

Answer 1

请检查type(x_train)是 numpy.ndarray 还是 DataFrame。 从 Scikit-Learn 0.24 开始， fetch_openml()默认返回一个 Pandas DataFrame 。 如果是数据帧，则不能使用x_train[shuffled] ，它适用于数组。 而是使用x_train.iloc[shuffled]