kNN实现手写数字识别

最新推荐文章于 2024-07-29 16:20:28 发布

原创

最新推荐文章于 2024-07-29 16:20:28 发布 · 3.8k 阅读

24 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

本文介绍了一个使用kNN算法对手写数字进行识别的项目。首先，将32*32的二进制图像矩阵转换为1*1024的向量。然后，利用sklearn库实现kNN分类器，对训练集和测试集进行处理，最终得到约1.27%的错误率。

一、数据准备

我们这里准备的是已经处理好的手写数字图像为32*32的二进制图像。

首先，我们需要将32*32的二进制图像矩阵转化为1*1024的向量，这里我们通过函数img2vector实现。

# 将text文件里面32*32的矩阵转化为1*1024的向量
def img2vector(filename):
    returnVector = np.zeros((1, 1024))
    fr = open(filename)
    for i in range(32):
        lineStr = fr.readline()
        for j in range(32):
            returnVector[0, 32 * i + j] = int(lineStr[j])
    return returnVector

我们通过循环矩阵，将矩阵的每一行拼接在一起，得到一个1*1024的向量。每个二进制32*32图像如图所示。