当然可以！你可以使用Python中的机器学习库来实现这个功能。以下是一个简单的示例程序，使用了scikit-learn库中的手写数字数据集和支持向量机（SVM）算法来进行数字识别：

“`python
# 导入所需的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn import svm

# 加载手写数字数据集
digits = datasets.load_digits()

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.2, random_state=42)

# 创建SVM分类器
clf = svm.SVC(gamma=0.001)

# 在训练集上训练分类器
clf.fit(X_train, y_train)

# 在测试集上进行预测
predicted = clf.predict(X_test)

# 输出预测结果
for i in range(len(X_test)):
print("预测结果：", predicted[i])
print("实际结果：", y_test[i])
print("——————–")
“`

这个程序使用了手写数字数据集，将数据集分为训练集和测试集。然后使用支持向量机算法在训练集上进行训练，并在测试集上进行预测。最后输出预测结果和实际结果。

你可以根据自己的需求对程序进行修改和优化，例如使用其他的机器学习算法、调整参数等。希望对你有帮助！