机器学习-手写数字识别系统

Vivinia_Vivinia

于 2019-07-15 19:19:38 发布

阅读量1.4k

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签： python 机器学习 k近邻算法数字识别系统

本文链接：https://blog.youkuaiyun.com/hester_hester/article/details/96006150

本文介绍如何利用Python和机器学习技术，特别是k近邻算法，构建一个手写数字识别系统。通过处理和分析数据集中的数字图像，实现对手写数字的准确识别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

需要两个数据包，里边有许多数字图像，像这样：

数据包

import numpy as np
import operator
from os import listdir

"""分类函数"""
def classfy0(inX, dataSet, labels, k):  # 参数分别为测试样本，训练样本，训练样本标签，近邻个数
    dataSetSize = dataSet.shape[0]  # 返回行列数，0为行，列为1
    diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet  # tile是按照某个方向复制元素，行方向复制四行，列方向复制一行，然后减去每个训练样本值
    sqDiffMat = diffMat ** 2  # 乘方运算
    sqDistances = sqDiffMat.sum(axis=1)  # 轴为1的方向（横向）求和
    distances = sqDistances ** 0.5  # 乘方运算，等同于开根号
    sortedDistIndicies = distances.argsort()  # 返回从小到大排序的索引值（原数组不动）
    classCount = {}  # 字典（键值对）
    for i in range(k):  # for-each循环，统计前k个每个分类有多少个
        voteIlabel = labels[sortedDistIndicies[i]]  # 记录每个的标签
        classCount[voteIlabel] = classCount.get(vo