Sklearn 机器学习 手写数字识别 训练和测试集的拆分

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

Sklearn 机器学习 - 手写数字识别训练和测试集的拆分

在机器学习任务中，数据集的拆分是非常关键的一步。

本篇文章将以 Scikit-learn 自带的手写数字数据集（Digits Dataset） 为例，演示如何将数据集拆分为 训练集 和 测试集，并解释其中的关键参数与注意事项。

📦 一、数据集简介

sklearn.datasets 模块提供了常用的实验数据集，其中 load_digits() 是一个经典的手写数字识别数据集。

数据集特点

• 数据类型：灰度图像（8×8 像素）
• 样本数量：1797 张图片
• 标签范围：数字 0 ~ 9
• 存储方式：numpy.ndarray 数组
• 适用场景：分类算法训练与测试

代码示例：加载数据

from sklearn.datasets import load_digits

# 加载数据集
digits = load_digits()

print("数据形状:", digits.data.shape)
print