平均画像との相関係数を用いてmnistのラベルを予測するプログラム

mnist_corrcoef.py

#coding: utf-8
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import fetch_mldata
from sklearn.cross_validation import train_test_split
from sklearn.metrics import confusion_matrix, classification_report

def corrcoef(x,y):
	""" ベクトルx,yの相関係数を求める関数 """
	# ノルムが0になる場合はないものとします
	
	# 要素の平均を引く
	x = x - np.average(x)
	y = y - np.average(y)
	
	# ベクトルの内積はベクトルを転置して行列の積となる
	return x.T.dot(y)/(np.linalg.norm(x)*np.linalg.norm(y))

# mnistの手書き数字データをロード
# カレントディレクトリ（.）にない場合は、
# Webから自動的にダウンロードされる（時間がかかるので注意！）
# 70000サンプル，28x28ピクセル
mnist = fetch_mldata('MNIST original', data_home=".")

"""
# 100個適当に表示してみる
for i in range(10):
	for j in range(10):
		img = mnist.data[ mnist.target == i ][j]
		plt.subplot(10, 10, 10 * i + j + 1)
		plt.axis('off')
		plt.imshow(	img.reshape(28, 28), cmap=plt.cm.gray_r, interpolation='nearest')
plt.show()
"""

# 訓練データを作成
X = mnist.data
y = mnist.target

# 訓練データとテストデータに分解
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1./7.)

# 代表値を作成する
avg_img = np.zeros((10,X_train.shape[1]))

for i in range(10):
	# ラベルがiの画像を取り出して，平均をとる
	i_imgs = X_train[ y_train == i ]
	avg_img[i] = np.average(i_imgs,axis=0)

"""
# 代表値(平均画像)を表示してみる
for i in range(10):
	img = avg_img[i]
	plt.subplot(1, 10, i + 1)
	plt.axis('off')
	plt.imshow(	img.reshape(28, 28), cmap=plt.cm.gray_r, interpolation='nearest')
plt.show()
"""

# 予測
predictions = np.zeros(y_test.shape)
for i in range(len(y_test)):
	test = X_test[i].astype(np.float)
	# 内積が最も大きいものを予想ラベルとする
	predictions[i] = np.argmax( [ corrcoef(test,img) for img in avg_img ] )

# 評価
print (confusion_matrix(y_test, predictions))
print (classification_report(y_test, predictions))