Machine Learning in Action_CH2_3_使用kNN手写数字识别
来源:互联网 发布:spark教程python版本 编辑:程序博客网 时间:2024/05/18 01:09
from numpy import *import operatorfrom os import listdir# kNNdef classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] # 获得向量第一维长度 diffMat = tile(inX, (dataSetSize, 1)) - dataSet # 纵向扩大dataSetSize倍 sqDiffMat = diffMat ** 2 sqDistances = sqDiffMat.sum(axis = 1) # 按行求和 distances = sqDistances ** 0.5 sortedDistIndicies = distances.argsort() # 从小到大排序,返回的是索引值的列表 classCount = {} # python字典 for i in range(k): voteIlabel = labels[sortedDistIndicies[i]] classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 # 数频度,每次加1 # 对字典进行排序 # Python 2 才能使用classCount.iteritems() sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1), reverse = True) return sortedClassCount[0][0]# 将32*32二进制图像矩阵转换为1*1024的向量def img2vector(filename): fr = open(filename) returnVect = zeros((1, 1024)) for i in range(32): # 每次读一行 lineStr = fr.readline() # 错误 # returnVect[32 * i, 32 * (i + 1)] = lineStr[0 : 32] for j in range(32): returnVect[0, 32 * i + j] = int(lineStr[j]) # 要强转为int类型,所以不能列表整体赋值 return returnVect# 手写数字识别系统def handwritingClassTest(): hwLabels = [] trainingFileList = listdir('trainingDigits') # 得到一个列表 m = len(trainingFileList) trainingMat = zeros((m, 1024)) for i in range(m): fileNameStr = trainingFileList[i] fileStr = fileNameStr.split('.')[0] # 将文件名截断 classNameStr = int(fileStr.split('_')[0]) hwLabels.append(classNameStr) trainingMat[i, :] = img2vector('trainingDigits/%s' % fileNameStr) errorCount = 0.0 testFileList = listdir('testDigits') mTest = len(testFileList) for i in range(mTest): fileNameStr = testFileList[i] fileStr = fileNameStr.split('.')[0] classNameStr = int(fileStr.split('_')[0]) vectorUnderTest = img2vector('testDigits/%s' % fileNameStr) # k=4时,errorrate=0.014799 classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3) print("the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNameStr)) if(classifierResult != classNameStr): errorCount += 1.0 print("the total number of errors is: %d" % errorCount) print("the total error rate is: %f" % (errorCount / float(mTest)))if __name__ == "__main__": # 测试img2vector函数 testVector = img2vector('testDigits/0_0.txt') print(testVector[0, 0 : 32]) print(testVector[0, 32 : 64]) # 测试 print("-------------测试开始--------------") handwritingClassTest()
1 0
- Machine Learning in Action_CH2_3_使用kNN手写数字识别
- Machine Learning In Action 系列----手写数字识别(一)
- KNN手写数字识别
- 使用kNN算法识别手写数字
- KNN之手写数字识别
- MACHINE LEARNING IN ACTION KNN
- Python 手写数字识别-knn算法应用
- knn算法实现的数字手写识别
- 基于KNN的手写数字识别
- opencv+KNN实现手写简单数字识别
- KNN实现手写数字识别Python
- SVM和Knn实现手写数字识别
- Python实现KNN算法手写识别数字
- KNN算法实例---手写数字识别
- 机器学习--knn手写数字识别系统
- scikit-learn/KNN手写数字识别
- Python实现knn算法手写数字识别
- knn-2 利用knn算法实现手写数字识别
- linux jar包启动脚本
- 硬件解码基础知识总结
- 算法——K均值聚类算法(Java实现)
- Kudu总结
- webrtc研究-视频接收端处理
- Machine Learning in Action_CH2_3_使用kNN手写数字识别
- ionic cordova 热更新
- 欢迎使用CSDN-markdown编辑器
- caffe group参数
- common.php
- JavaScript中return返回函数的问题
- css实现div的水平和垂直居中
- nyoj1277 Decimal integer conversion (河南省acm第九届省赛)
- (贪心)折线分割平面