[Sklearn] 파이썬 MNIST 데이터셋 불러오기, 숫자 시각화 예제

파이썬 사이킷런으로 손글씨 숫자 인식 데이터셋 다루기

파이썬에서 손글씨 숫자 인식 데이터셋인 MNIST를 불러오고

데이터를 몇개 뽑아 숫자 글씨의 상태를 시각화해보는 예제를 살펴보도록 하겠습니다.

 

 

MNIST 데이터셋 로드

MNIST의 각 데이터는 28 * 28 픽셀(총 784개)의 각 위치에

0~255 사이의 정수 값이 저장된 형태입니다.

 

MNIST 전체는 총 7만 장의 사진으로 구성되어 있기에 따라서 데이터프레임으로 불러오게 된다면

행이 7만개이고, 열이 784개로 이루어진 형태를 나타내게 됩니다.

 

파이썬에서는 sklearn의 fetch_openml 함수로 아래처럼 mnist 데이터를 불러올 수 있습니다.

(데이터셋을 불러오는 데에는 수 분 가량이 소요될 수도 있습니다.)

from sklearn.datasets import fetch_openml
import pandas as pd

mnist = fetch_openml('mnist_784')
df = mnist.data

df

 

이제 각 데이터가 0~9의 손글씨 숫자 중 어느 숫자였는지에 대한 라벨 정보를

가져와야 합니다. 이는 위에서 불러온 mnist 객체의 target 속성으로 불러올 수 있으며,

데이터프레임의 마지막 열에 라벨 정보를 추가하는 코드와 실행 결과는 다음과 같습니다.

# 라벨 정보 가져와서 새로운 열에 추가
df['label'] = mnist.target

df

반응형

MNIST 시각화

matplotlib 라이브러리를 이용하여 데이터 일부를 뽑은 뒤,

픽셀 값에 따른 시각화를 진행해볼 수 있습니다.

 

데이터 10개를 랜덤으로 선별하여 라벨과 픽셀을 시각화한 예시는 아래와 같습니다.

각 줄의 코드에 대한 상세 설명은 주석을 참고해주세요.

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.pyplot import style

# 0~69999 숫자 중 랜덤으로 10개 선별(인덱스 기준)
random_idx = np.random.choice(70000, 10)

# 흰색 배경 및 크기 지정
style.use('default')
figure = plt.figure()
figure.set_size_inches(10, 4)

# 시각화를 위한 label column 제외
columns_list = list(df.columns)
columns_list.remove('label')

# 흑백으로 출력하기 위한 스타일 설정
style.use('grayscale')

# 2 * 5 사이즈의 격자 설정
axes = []
for i in range(1, 11):
    axes.append(figure.add_subplot(2, 5, i))

num_list = []
for i in range(10):
    num = df.loc[random_idx[i], columns_list] # 랜덤으로 선별된 인덱스 위치에 해당하는 픽셀 정보 가져오기
    num = np.array(num).reshape(-1, 28).astype(int) # 픽셀값을 28 * 28 사이즈로 바꾸고 정수형 변환 진행
    num_list.append(num)

for i in range(10):
    axes[i].matshow(num_list[i]) # 10개 숫자 차례대로 시각화
    axes[i].set_axis_off() # x축, y축 눈금 제거