K近邻算法3 识别手写数字 from机器学习实战

菜逼庄水水

于 2019-03-28 10:36:17 发布

阅读量260

点赞数

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/qq_33604355/article/details/88863678

版权

这篇博客通过一个实例展示了如何运用K近邻（KNN）算法识别手写数字，详细介绍了处理过程，包括将图像转换为向量以及批量导入文件创建训练集和测试集。最终实现的算法错误率为1.06%，并提出了改进计算效率的思路。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

补档最后一个例子

识别手写数字
前面KNN算法已经写好了，这个栗子也没有用到归一化处理
我们的数据集、测试集是3232的文本文档，用0/1表示
文件名0-1.txt代表数字0的第一个数据，因此可以通过字符串切片来获得label标签
处理有两部分：
1.将图像格式化处理为一个向量
把3232的向量变成1*1024

'''
    来解决手写识别系统部分
    把32*32处理成1*1024的向量
'''
def getfile2(filename):
    returnVect = np.zeros((1,1024))
    fr=open(filename)
    for i in range(32):
        linestr = fr.readline()
        for j in range(32):
            returnVect[0,i*32+j]=int(linestr[j])
    return returnVect

2.将大批量的文件导入，形成np.matrix类型的训练集和测试集
这里用到了os模块中的listdir函数，作用是获得该目录下的所有的文件名

from os import listdir

总体的代码如下

import numpy as np
import matplotlib.pyplot as plt
import operator
from os import listdir

'''
K近邻算法实现
inX:用于分类的向量
dataSet数据集
labels标签
k 就是取前K个
'''


def calssify0(inX, dataSet, labe

最低0.47元/天解锁文章