【KNN近邻算法】实现识别简单数字验证码(算法原理+代码笔记)
来源:互联网 发布:为知笔记活动 编辑:程序博客网 时间:2024/06/07 06:12
此笔记适合有一定python基础,了解numpy科学计算库的人,有一定线性代数基础的人。对KNN算法原理了解的更容易看懂,笔者水平受限,写以下笔记主要目的是分享自己的学习过程以及便于以后复习查看。
KNN 近邻算法实现原理:
实现步骤:
①:处理数据
②:数据向量化
③:计算欧几里得距离
④:根据距离进行分类
训练数据和测试数据:(存放在txt文件里面)
下载地址:链接:http://pan.baidu.com/s/1jHO0PHs 密码:5iba
整体思路:核心算法(算法思路):
KNN算法主要实现将传入的测试数据与训练数据做对比,其中训练数据已知类型,测试数据并不知道。
KNN算法函数是:knn(k,testdata,traindata,labels):
参数解释:1、k代表训练样本的个数。
2、testdata是测试数据(具体格式后面解释)。
3、traindata是训练数据(具体格式后面解释)。
4、labels代表训练数据对应的类别。
算法如下:
from numpy import *import operatorfrom os import listdirdef knn(k,testdata,traindata,labels): #testdata:[特征1,特征2,特征3] #traindata:[[特征1,特征2,特征3],[特征1,特征2,特征3],[特征1,特征2,特征3]] traindatasize=traindata.shape[0] dif=tile(testdata,(traindatasize,1))-traindata sqdif=dif**2 #sumsqdif已经成为一维的了[a,b,c,d] sumsqdif=sqdif.sum(axis=1) distance=sumsqdif**0.5 sortdistance=distance.argsort() #sortdistance指的是测试数据与各训练数据的距离由近到远排序之后的结果列表 count={}#{"类别":"次数"} for i in range(0,k): vote=labels[sortdistance[i]]#当前距离的类别是谁(由近至远) count[vote]=count.get(vote,0)+1 #print(count) sortcount=sorted(count.items(),key=operator.itemgetter(1),reverse=True) return sortcount[0][0]
核心思路:
1、编写函数将训练文件里面的数据按行读取一次存放到一个列表arr中
#数据加载,将数据转换成knn算法支持的向量。def datatoarray(fname): #fname是文件名称 arr=[]#新建一个列表 fh=open(fname) #打开fname对应的这个文件 for i in range(0,32): thisline=fh.readline() #按行读取一次存放到列表中 for j in range(0,32): arr.append(int(thisline[j])) #将按行读取的结果存放到列表中 return arr#返回列表
2、编写函数得到每一个训练样本的类别
#取文件名前缀(类别)def seplabel(fname): filestr=fname.split(".")[0] #split函数是分割函数,在这里是以‘.’分割,并且去前面部分 label=int(filestr.split("_")[0]) #split函数是分割函数,在这里是以‘_’分割,并且去前面部分,就会得到这个数据的类别,
#主要是因为文件名的格式是形如:8_55,8代码这个文件的正确识别结果应该是8以上2步是针对单个训练文件
3、针对批量训练文件,全部转换成KNN算法支持的格式,并且将每一个训练样本对应的类别存放在将要传给KNN算法的列表参数labels中,并且每一个列表元素和格式化后的训练数据样本对应
def traindata(): labels=[] #存放类别 trainfile=listdir("D:/trainandtest/traindata") #把文件夹打开并且把文件夹中所# 有的文件名存放在列表中,为了最后放在datatoarray函数的arr里(那里面也是列表类型) num=len(trainfile) #建立一个列为1024,行为num的数组模型 trainarr=zeros((num,1024))# {# [# [ ]# [ ]# [ ]# [ ] num为行数,1024是每一行存放的特征数目# ]} for i in range(0,num): thisname=trainfile[i] thislabel=seplabel(thisname) labels.append(thislabel) trainarr[i,:]=datatoarray("D:/trainandtest/traindata/"+thisname) return trainarr,labels
4、其他操作:
trainarr,labels=traindata() #得到训练样本的类别,及转换成KNN算法支持的向量格式thistestfile="5_66.txt" #当前要测试的文件testarr=datatoarray("D:/trainandtest/testdata/"+thistestfile) #把测试文件转换成KNN支持的向量格式rst=knn(3,testarr,trainarr,labels) #调用KNN算法实现识别,并且把值返回给rstprint "this writing's classify is",rst
完整代码:
#Wrting shibie system.# encoding=utf-8#numpy是处理二维矩阵的科学计算库from numpy import *import operatorfrom os import listdirdef knn(k,testdata,traindata,labels): #testdata:[特征1,特征2,特征3] #traindata:[[特征1,特征2,特征3],[特征1,特征2,特征3],[特征1,特征2,特征3]] traindatasize=traindata.shape[0] dif=tile(testdata,(traindatasize,1))-traindata sqdif=dif**2 #sumsqdif已经成为一维的了[a,b,c,d] sumsqdif=sqdif.sum(axis=1) distance=sumsqdif**0.5 sortdistance=distance.argsort() #sortdistance指的是测试数据与各训练数据的距离由近到远排序之后的结果列表 count={}#{"类别":"次数"} for i in range(0,k): vote=labels[sortdistance[i]]#当前距离的类别是谁(由近至远) count[vote]=count.get(vote,0)+1 #print(count) sortcount=sorted(count.items(),key=operator.itemgetter(1),reverse=True) return sortcount[0][0]#数据加载,将数据转换成knn算法支持的向量。def datatoarray(fname): arr=[] fh=open(fname) for i in range(0,32): thisline=fh.readline() for j in range(0,32): arr.append(int(thisline[j])) return arr#a=datatoarray("D:/Python35/traindata/0_3.txt")#取文件名前缀(类别)def seplabel(fname): filestr=fname.split(".")[0] label=int(filestr.split("_")[0]) return label#建立训练数据#labels:[类别,类别,类别,类别]#tainarr:[[特征1,特征2,特征3],[特征1,特征2,特征3],[特征1,特征2,特征3]]def traindata(): labels=[] #存放类别 trainfile=listdir("D:/trainandtest/traindata") #把文件夹打开并且把文件夹中所# 有的文件名存放在列表中,为了最后放在datatoarray函数的arr里(那里面也是列表类型) num=len(trainfile) #列为1024,行为num的数组 trainarr=zeros((num,1024))# {# [# [ ]# [ ]# [ ]# [ ] num为行数,1024是每一行存放的特征数目# ]} for i in range(0,num): thisname=trainfile[i] thislabel=seplabel(thisname) labels.append(thislabel) trainarr[i,:]=datatoarray("D:/trainandtest/traindata/"+thisname) return trainarr,labels trainarr,labels=traindata()thistestfile="5_66.txt"testarr=datatoarray("D:/trainandtest/testdata/"+thistestfile)rst=knn(3,testarr,trainarr,labels)print "this writing's classify is",rst#小作业#实现将testdata里面的数据批量识别(提示:通过循环)#2:实现计算识别准确率SA
运行结果:
- 【KNN近邻算法】实现识别简单数字验证码(算法原理+代码笔记)
- Knn算法智能识别验证码数字
- kNN算法识别手写数字(代码笔记)
- knn最近邻算法原理与实现
- 机器学习实战k近邻算法(kNN)应用之手写数字识别代码解读
- 验证码识别(KNN算法)
- k近邻算法(kNN):简单粗暴
- KNN算法原理(python代码实现)
- knn算法实现的数字手写识别
- Python实现KNN算法手写识别数字
- Python实现knn算法手写数字识别
- K-近邻算法(kNN)python实现
- 使用Knn算法实现手写数字识别系统(附带jpg转txt代码)
- KNN K~近邻算法笔记
- 机器学习:KNN归类算法实现验证码识别
- 《李航:统计学习方法》--- K近邻算法(KNN)原理与简单实现
- knn-2 利用knn算法实现手写数字识别
- K最近邻(KNN)算法原理和java实现
- 架构之路知多少,开篇只为你知晓
- Huffman编解码
- SPOJ PARADOX Paradox bfs + 缩点
- Problem B: 来开个书店吧
- 二叉树18:二叉树的下一个结点
- 【KNN近邻算法】实现识别简单数字验证码(算法原理+代码笔记)
- JAVA关于Scanner类的分隔符
- Customizing Your Web Browser
- Java知识点(二)——三大特性:封装继承多态
- JavaScript 语法
- IDEA 分享项目到 Git@OSC
- QT中PRO文件写法的详细介绍
- 南阳oj742子串和在续(最大m段子序列和+动态规划)
- com.sun.mail.smtp.SMTPSendFailedException: 553 authentication is required,163 smtp9,DcCowACnMFm7ZwRZ