编程实践--KNN分类算法--手写数字识别任务

最新推荐文章于 2021-10-11 15:18:23 发布
原创 最新推荐文章于 2021-10-11 15:18:23 发布 · 388 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了使用KNN算法进行手写数字识别的过程，包括数据集处理、训练集与测试集的构建、分类器实现以及结果可视化。通过实验发现，当K取3时，分类准确率最高。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 

第一个自己亲手敲出来的机器学习算法，觉得还是应该总结一下，并开始养成一个良好的
 

习惯，希望一个接一个克服其他的算法，在这个过程中不仅加深对算法的理解，并获得对
 

于数据理解的洞察力。
 

 

任务描述：
 

数据集来自：《机器学习实战》chapter 2 的手写体数字训练集和测试集

                

        

    

    
  


        

            

                      
                        最低0.47元/天 解锁文章
                        

                          
200万优质内容无限畅学

                          
                        

                      
            

        


    



                



	

		

			

				
					
基于KNN分类算法手写数字识别的实现（一）——蛮力实现

				
			

			

				

					qq_33361618的博客
				

				

					09-28
					
					1400
					
				

			

		

		

			
				
KNN邻近算法可用于分类，也可用于回归，具体的原理介绍参考博文http://www.cnblogs.com/v-July-v/archive/2012/11/20/3125419.html

本篇主要包括：手写数字图片的识别和KNN的实现。因为KNN分类算法通过距离来确定最近邻。距离算法有欧氏距离、曼哈顿距离和闵可夫斯基距离等，本篇主要使用欧氏距离。



 通过找到K个最近邻做预测，计算预测样本...

			
		

	



                

            
              



	

		

			

				
					
Knn手写体识别（二）

				
			

			

				

					akiakiapple的博客
				

				

					10-10
					
					201
					
				

			

		

		

			
				
对课本原有代码加入循环，从1到10改变Knn的k值，进一步测试当k取哪个值时代码效果最好

结果如下：



结果显示，当K取3或4时代码效果最好，猜测原因为K取1，2时参考的样本偏少，故结果不如3，4的要好，而取太多时失去近邻性，其他样本反而干扰正确率

3和4时测试结果一样，考虑时间效率取3最优

这与百度的结果相符合







加入循环后的代码：

# -*- coding: UTF-8 -*-
import numpy as np
import operator
from os import..

			
		

	



              


  
              

                


	

		

			

				
					
KNN分类算法实现手写数字识别

				
			

			

				

					weixin_34019929的博客
				

				

					07-11
					
					727
					
				

			

		

		

			
				
需求：
利用一个手写数字“先验数据”集，使用knn算法来实现对手写数字的自动识别；
先验数据（训练数据）集：
♦数据维度比较大，样本数比较多。
♦数据集包括数字0-9的手写体。
♦每个数字大约有200个样本。
♦每个样本保持在一个txt文件中。
♦手写体图像本身的大小是32x32的二值图，转换到txt文件保存后，内容也是32x32个数字，0或者1，如下：

数据集压缩包解压后有...

			
		

	





	

		

			

				
					
任务(1)--手写数字识别

				
			

			

				

					CRwake的博客
				

				

					05-02
					
					292
					
				

			

		

		

			
				
手写数字识别
import tensorflow as tf
import numpy as np
from    tensorflow.keras import layers, optimizers, Sequential
import  os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

def preprocess(x, y):					#预处理函数
...

			
		

	



		

			
		



	

		

			

				
					
python识别手写数字knn_机器学习-kNN实现简单的手写数字识别系统

				
			

			

				

					weixin_39917894的博客
				

				

					12-03
					
					192
					
				

			

		

		

			
				
功能利用k-邻近算法，实现识别数字0到9开发环境MacPython3.5(Anaconda)PILnumpy数据集和项目源代码数据集下面是32*32的黑白图像32* 32像素数据集为了方便处理，提供了文本文件文本数据数据集分为训练集和测试集，其中训练集是已经分类好的数据，测试集是用来测试算法。将数据转换为特征向量从上图可知，拿到的是32*32的的矩阵，每一个点是一个像素值，将这1024(3232)...

			
		

	





	

		

			

				
					
【机器学习实战 1】、KNN实现手写体识别（二）

				
			

			

				

					Lixiaoyyyu的博客
				

				

					10-11
					
					190
					
				

			

		

		

			
				
k-邻近算法的深入思考k-邻近算法的深入思考k值距离度量时间复杂度
k-邻近算法的深入思考
k值
knn算法通过选出k个与预测样本的欧式距离最近的类别，将数量最多的类别作为预测样本的类别，通过下图了解k值对结果的影响

可以看到当k值不同时，正方形代表的预测数据的结果不同。
所以knn算法中，k值是一个影响预测结果的超参数。
K值较小，则模型复杂度较高，容易发生过拟合，学习的估计误差会增大，预测结果对近邻的实例点非常敏感。
K值较大可以减少学习的估计误差，但是学习的近似误差会增大，与输入实例较远的训练实例也

			
		

	





	

		

			

				
					
Digit-Recognition:实施KNN分类算法以使系统识别手写数字...

				
			

			

				

					04-29
				

			

		

		

			
				
KNN是一种监督学习方法，常用于分类任务，尤其适用于图像识别，如识别手写数字。下面将详细介绍KNN算法以及在手写数字识别中的应用。  KNN算法的核心思想是“物以类聚”。对于一个未知类别的数据点，我们将其归类到...

			
		

	





	

		

			

				
					
faaron-KNN手写数字识别

				
			

			

				

					03-23
				

			

		

		

			
				
总的来说，"faaron-KNN手写数字识别"项目提供了一个实践KNN算法并应用于手写数字识别的例子。通过这个项目，我们可以学习到如何使用Python进行数据处理，理解KNN算法的运作机制，以及如何评估和优化模型。同时，这也...

			
		

	





	

		

			

				
					
KNN手写数字识别,knn手写数字识别mnist,Python

				
			

			

				

					08-09
				

			

		

		

			
				
总结来说，KNN手写数字识别项目涵盖了机器学习基础、Python和R编程、数据预处理、模型训练、图像处理、用户交互等多个方面，是学习和实践机器学习算法的理想案例。通过这个项目，不仅可以掌握KNN算法的实现，还能...

			
		

	





	

		

			

				
					
KNN.zip_KNN 数字_knn数据_手写 识别_手写数字识别_数字识别

				
			

			

				

					07-15
				

			

		

		

			
				
下面将详细讨论KNN算法的工作原理以及在手写数字识别中的应用。  KNN算法的基本思想是：对于一个新的未知样本，将其分类到与其最近的K个已知类别样本中最多的那个类别。这里的"近"通常是根据欧氏距离或其他相似度...

			
		

	





	

		

			

				
					
python实现KNN手写字体识别Demo

				
			

			

				

					11-11
				

			

		

		

			
				
python实现K进邻算法对手写数字识别的一个小Demo，含代码和数据集。适合刚入门的小白。棒棒棒棒棒棒棒棒棒棒棒棒

			
		

	





	

		

			

				
					
模式识别KNN算法的matlab程序

				
			

			

				

					01-16
				

			

		

		

			
				
此程序段实现模式识别中的KNN算法，可用于目标匹配的判别。

			
		

	





	

		

			

				
					
分类算法学习之KNN算法（二）代码实例

				
			

			

				

					zll_1234的博客
				

				

					04-10
					
					1725
					
				

			

		

		

			
				
参考机器学习实战第二章，共两个实例
# -*- coding: cp936 -*-
# 1：约会网站
from numpy import *
import operator
from os import listdir

#创造数据集
def createDataSet():
    group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]])...

			
		

	





	

		

			

				
					
使用KNN算法进行分类

				
			

			

				

					qq_37879432的博客
				

				

					04-06
					
					1801
					
				

			

		

		

			
				
https://blog.youkuaiyun.com/qq_37879432/article/details/79831720 
使用KNN算法进行回归拟合可以参考这篇博文：

import matplotlib.pyplot as plt
import numpy as np

from sklearn.datasets.samples_generator import make_blobs
# 生成数据...

			
		

	





	

		

			

				
					
机器学习实战 KNN代码

				
			

			

				

					zhengzhenxian的博客
				

				

					10-11
					
					729
					
				

			

		

		

			
				
机器学习实战（一） KNN
本人，研一机器学习和数据挖掘的课比较少，加上对机器学习比较感兴趣，本科也接触了一些知识和项目，发现很多算法都是直接调用库，实现很少实操，特此把每个算法的步骤都复现一遍，算是加强印象吧。。。

一 . K-近邻算法（KNN）概述 
    最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分

			
		

	





	

		

			

				
					
python 机器学习knn识别数字3

				
			

			

				

					zhl11112222的博客
				

				

					04-29
					
					429
					
				

			

		

		

			
				
knn算法概述
简单地说，K邻近算法采用测量不同特征值之间的距离来进行分类
工作原理：存在一个样本数据集合，并且样本集中每个数据都存在标签，也就是我们都知道样本集中每一数据与所属分类的关系，输入没有标签的新数据后，将新数据的每个特征与样本中的数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最邻近）的分类标签。
计算两个向量点A,B之间的距离
d=sqrt[(xA0−xB0)2+(xA1...

			
		

	





	

		

			

				
					
KNN实现手写数字分类---Kaggle

				
			

			

				

					vagabond6的博客
				

				

					02-27
					
					409
					
				

			

		

		

			
				

#!/usr/bin/python
# coding=utf-8
from numpy import *
import operator
import pandas as pd
import  sys
import  KNN
sys.path.append(r'C:/Users/Documents/6、play/')
import xlwt


##导入训练集：
def load_data():...

			
		

	





	

		

			

				
					
初识神经网络之手写数字识别

				
			

			

				

					与其在风雨中逃避，不如在雷电中舞蹈
				

				

					04-19
					
					2085
					
				

			

		

		

			
				
神经网络之手写数字识别


			
		

	





	

		

			

				
					
三菱Q系PLC伺服八轴控制程序解析：成熟可靠的工业自动化应用实例

					
最新发布

				
			

			

				

					08-08
				

			

		

		

			
				
三菱Q系PLC伺服八轴控制程序的实际应用案例。该程序已在生产设备上成功实施并稳定运行超过两年，适用于八个伺服电机的同步控制。文中不仅展示了硬件配置（如Q06HCPU、QD75P4、MR-J4-20B等）及其连接方式，还深入剖析了关键编程技巧，包括原点回归、往复运动控制以及高效的报警处理机制。此外，作者分享了许多宝贵的调试经验和注意事项，帮助读者避免常见错误。
适合人群：对三菱Q系PLC感兴趣的电气工程技术人员、自动化领域的从业者及爱好者。
使用场景及目标：①理解和掌握三菱Q系PLC在多轴伺服控制系统中的具体应用；②学习如何优化程序结构以提高系统性能；③获取实用的操作指南和技术诀窍，减少开发过程中可能出现的问题。
其他说明：本文提供的案例具有很高的参考价值，能够为相关领域的工程师提供有效的指导和支持。同时，它强调了理论与实践相结合的重要性，鼓励读者在实际工作中不断探索和创新。

			
		

	





	

		

			

				
					
恒压供水系统：昆仑通态触摸屏与ABB变频器ACS510直接通讯程序

				
			

			

				

					08-08
				

			

		

		

			
				
恒压供水系统中昆仑通态触摸屏与ABB变频器ACS510之间的直接通讯技术及其应用。首先阐述了恒压供水系统的基本概念和工作原理，接着重点讲解了昆仑通态触摸屏与ABB变频器ACS510的通讯实现方式，包括通讯协议的选择、数据传输机制等。然后介绍了该系统的核心功能——参数监控与设定，操作人员可以通过触摸屏方便地查看和调整供水系统的各项参数。此外，文中提到该程序经过长期实践验证，已非常成熟，并配有详细的图纸和技术文档。最后强调了通讯控制和脚本策略的功能，使得整个系统更加智能化和高效。
适合人群：从事工业自动化领域的工程师、技术人员，尤其是对恒压供水系统感兴趣的从业者。
使用场景及目标：适用于需要稳定供水压力的场合，如大型建筑、工业园区及城市供水系统。主要目标是提高供水效率和稳定性，降低维护成本，提升用户体验。
其他说明：本文不仅介绍了具体的技术细节，还提供了实用的操作指导，有助于读者快速上手并应用于实际项目中。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值