kaggle-------DigitRecognition_digit recognizer下载-优快云博客

这篇博客介绍了作者在kaggle上参与的Digit Recognition比赛，通过KNN算法实现手写数字识别。文章强调了数据预处理和模型训练过程，分享了使用KNN算法实现模型的思路，并提供了两个版本的代码，分别用于训练模型和对测试数据进行预测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

kaggle上的一个比赛，主要是识别数字的，具体描述可以去官网看一下，然后里面也有数据集，可以下载下来在本地跑，也可以在kaggle的平台上跑，注意去setting下面把GPU的开关打开~~

我之前也写过手写体识别的，在这里，用的是logistic regression+softmax 数据集是放在两个文件夹下面，没一个样本是存成一个txt文件的，就是这里导入数据集比较麻烦。
现在的数据要比之前大很多，而且存的是像素值，不过实质是一样的都可以作为特征训练，我这次使用的knn,，没有调现成的包，如果你是想了解算法的原理，这篇文章也许会对你有帮助~~

knn的原理我这里就不再赘述了，思想都在代码中体现了，我最开始建立一个模型，就是把训练数据集拆分80%训练，20%测试，结果预测准确率82%：

然后我使用了前500条数据来跑，然后对测试数据也就预测了100条，写到preditions.csv文件中，结果如下：

然后对于全部数据是在kaggle上面跑的~跑了好久还没出结果~~~

接下来我把两个版本的代码都放上来：
第一个是训练模型的，没有对测试集合进行预测，主要是看模型的好坏~：

# -*- coding: utf-8 -*-
"""
Created on Fri May 11 20:38:13 2018

@author: xuanxuan
"""
from itertools import islice 
import numpy as np
from sklearn.cross_validation import train_test_split

def load_data():
    filename="E:/pyhtonworkspace/py3-pratice/bymyself_practice/python_game/Data/Kaggel/digit-recognizer/digit-recognizer/train.csv"
    file=open(filename)   
    data=[]
    label=[]
    for line in islice(file,1, None):  
        data_line=[]
        line=line.strip().split(',')
        for num in line:
            data_line.append(int(num))
        data.append(data_line[1:])
        label.append(data_line[0])
    data_mat,label_mat=np.mat(data),np.mat(label).T
    #print(data_mat.shape)  #（42000，784）
    #print(data_mat[:20])
    #pri