mnist手写数字识别
1、数据加载
踩坑1: MultinomialNB (and GaussianNB)不能处理负数，而normalization会按分布生成大量负数导致训练模型时会报错，原始数据本身给出的y值范围是[0,255]完全符合输入标准。直接加载即可。后续用于神经网络（对输入尺度、距离敏感的）才需要，而朴素贝叶斯基于概率模型，不需要。 .data 属性是原始未经过 transform 的 Tensor，值范围是 [0, 255] 整数。所以 Normalize 根本没有被用到。
对比Normalize 后，值范围大约是 [-0.42, 2.82]，均值为 0，标准差为 1。
踩坑2:训练集拆分，原始数据分为训练集和验证集，而测试集需要在训练集中划分而不是把验证集划分。😢
踩坑3:算法要求输入维度特征是相互独立的标量，Scikit-learn 的 API 约定要求输入必须是 (样本数, 特征数) 的二维矩阵，所以需要使用rehsape降维处理，PS：注意view和reshape降维的区别。
2、得分计算
准确率= 实际值与预测值相等的数量/总量。（求平均值） (y′==y).mean()
| 实际为正 | 实际为负 | |
|---|---|---|
| 预测为正 | TP | FP |
| 预测为负 | FN | TN |
一个具体的例子
假设测试集有 100 个样本，其中 20 个是猫（正类），80 个是非猫（负类）。
模型预测结果：
预测为猫的有 15 个，其中 12 个真的是猫（TP=12），3 个不是猫（FP=3）
预测为非猫的有 85 个，其中 8 个其实是猫（FN=8），77 个确实不是猫（TN=77）
预测值 vs Recall vs Precision vs Accuracy
| 指标 | 公式 | 回答的问题 | 本例数值 |
|---|---|---|---|
| 预测值 | model.predict(某张图) | 这张图是不是猫？ | 猫 / 非猫 |
| Accuracy | (TP+TN) / 总数 | 总体猜对了多少？ | (12+77)/100 = 0.89 |
| Precision | TP / (TP+FP) | 预测为猫的里面，多少真的是猫？ | 12/15 = 0.80 |
| Recall | TP / (TP+FN) | 真正的猫里面，找出了多少？ | 12/20 = 0.60 |
| F1 Score | 2 × P × R / (P + R) | 精确率和召回率的调和平均 | 2×0.8×0.6/1.4 = 0.69 |
Recall 特别低（比如数字 5 的 Recall 只有 0.65），说明模型经常漏掉这个数字。
Precision 特别低，说明模型经常把其他数字误判成这个数字。
