R语言将手写数据集图片数据转为表格数据并主成分分析

下载地址：

http://yann.lecun.com/exdb/mnist/

library("factoextra")#image
load_image_file = function(file) {f = file(file, 'rb')readBin(f, 'integer', n = 1, size = 4, endian = 'big')n    = readBin(f, 'integer', n = 1, size = 4,endian = 'big')nrow = readBin(f, 'integer', n = 1, size = 4, endian = 'big')ncol = readBin(f, 'integer', n = 1, size = 4, endian = 'big')x = readBin(f, 'integer', n = n * nrow * ncol, size = 1, signed = FALSE)close(f)return(data.frame(matrix(x, ncol = nrow * ncol, byrow = TRUE)))
}#label
load_label_file = function(file) {f = file(file, 'rb')readBin(f, 'integer', n = 1, size = 4, endian = 'big')n = readBin(f, 'integer', n = 1, size = 4,endian = 'big')y = readBin(f, 'integer', n = n, size = 1, signed = FALSE)close(f)return(y)
}# 读数据
train = load_image_file("train-images.idx3-ubyte")
# 读标签
train$y = as.factor(load_label_file("train-labels.idx1-ubyte"))write.csv(train,"train.csv",row.names = F)#output csv

#pca
pca <- prcomp(train[,-785])
summary(pca)fviz_screeplot(pca, ncp=10)#主成分方差占比

jpeg("biplot1.jpg")#图像保存本地
print(fviz_pca_biplot(pca,  label ="var"))
dev.off()

jpeg("biplot.jpg")
biplot(pca)
dev.off()

jpeg("individual.jpg")
fviz_pca_ind(pca, label="none", habillage=train$y,addEllipses=TRUE, ellipse.level=0.95)
dev.off()

R语言将手写数据集图片数据转为表格数据并主成分分析相关推荐

Dataset之MNIST：MNIST(手写数字图片识别+ubyte.gz文件)数据集的下载(基于python语言根据爬虫技术自动下载MNIST数据集)
Dataset之MNIST:MNIST(手写数字图片识别+ubyte.gz文件)数据集的下载(基于python语言根据爬虫技术自动下载MNIST数据集) 目录数据集下载的所有代码 1.主文件 mni ...
Dataset之MNIST：MNIST(手写数字图片识别+ubyte.gz文件)数据集简介、下载、使用方法(包括数据增强)之详细攻略
Dataset之MNIST:MNIST(手写数字图片识别+ubyte.gz文件)数据集简介+数据增强(将已有MNIST数据集通过移动像素上下左右的方法来扩大数据集为初始数据集的5倍) 目录 MNIST ...
Dataset之MNIST：MNIST(手写数字图片识别及其ubyte.gz文件)数据集简介、下载、使用方法(包括数据增强)之详细攻略
Dataset之MNIST:MNIST(手写数字图片识别及其ubyte.gz文件)数据集简介.下载.使用方法(包括数据增强,将已有MNIST数据集通过移动像素上下左右的方法来扩大数据集为初始数据集的5 ...
Dataset之Handwritten Digits：Handwritten Digits(手写数字图片识别)数据集简介、安装、使用方法之详细攻略
Dataset之Handwritten Digits:Handwritten Digits(手写数字图片识别)数据集简介.安装.使用方法之详细攻略目录 Handwritten Digits数据集的简 ...
DL之NN：基于(sklearn自带手写数字图片识别数据集)+自定义NN类(三层64→100→10)实现97.5%准确率
DL之NN:基于(sklearn自带手写数字图片识别数据集)+自定义NN类(三层64→100→10)实现97.5%准确率目录输出结果核心代码输出结果核心代码 #DL之NN:基于sklearn ...
TF之DNN：利用DNN【784→500→10】对MNIST手写数字图片识别数据集(TF自带函数下载)预测(98%)+案例理解DNN过程
TF之DNN:利用DNN[784→500→10]对MNIST手写数字图片识别数据集(TF自带函数下载)预测(98%)+案例理解DNN过程目录输出结果案例理解DNN过程思路代码设计输出结果案 ...
DL之NN：NN算法(本地数据集50000张训练集图片)进阶优化之三种参数改进，进一步提高手写数字图片识别的准确率
DL之NN:NN算法(本地数据集50000张训练集图片)进阶优化之三种参数改进,进一步提高手写数字图片识别的准确率导读上一篇文章,比较了三种算法实现对手写数字识别,其中,SVM和神经网络算法表现非 ...
ML之K-means：基于(完整的)手写数字图片识别数据集利用K-means算法实现图片聚类
ML之K-means:基于(完整的)手写数字图片识别数据集利用K-means算法实现图片聚类目录输出结果设计思路核心代码输出结果设计思路核心代码 metrics.adjusted_ran ...
CV之IC之SpatialTransformer：基于ClutteredMNIST手写数字图片数据集分别利用CNN_Init、ST_CNN算法(CNN+ST)实现多分类预测案例训练过程记录
CV之IC之SpatialTransformer:基于ClutteredMNIST手写数字图片数据集分别利用CNN_Init.ST_CNN算法(CNN+ST)实现多分类预测案例训练过程记录目录基于 ...
6. 手写数字图片数据集MNIST
MNIST数据集(http://yann.lecun.com/exdb/mnist/) 手写数字图片数据集,存在60000个训练样本,10000个测试样本.每个样本为一个28X28像素的图片. 主要包 ...

R语言将手写数据集图片数据转为表格数据并主成分分析

R语言将手写数据集图片数据转为表格数据并主成分分析相关推荐

最新文章

热门文章

R语言将 手写数据集 图片数据转为表格数据并主成分分析

R语言将 手写数据集 图片数据转为表格数据并主成分分析相关推荐

最新文章

热门文章

R语言将手写数据集图片数据转为表格数据并主成分分析

R语言将手写数据集图片数据转为表格数据并主成分分析相关推荐