基于KNN的手写数字识别
来源:互联网 发布:数据完整性保护 编辑:程序博客网 时间:2024/05/18 12:01
代码如下:
#coding=utf-8from numpy import *import operatorimport osimport timedef createDataSet(): group = array([[1.0, 0.9], [1.0, 1.0], [0.1, 0.2], [0.0, 0.1]]) labels = ['A','A','B','B'] return group,labels#inputX表示输入向量(也就是我们要判断它属于哪一类的)#dataSet表示训练样本#label表示训练样本的标签#k是最近邻的参数,选最近k个def kNNclassify(inputX, dataSet, labels, k): dataSetSize = dataSet.shape[0]#计算有几个训练数据 #开始计算欧几里得距离 diffMat = tile(inputX, (dataSetSize,1)) - dataSet #diffMat = inputX.repeat(dataSetSize, aixs=1) - dataSet sqDiffMat = diffMat ** 2 sqDistances = sqDiffMat.sum(axis=1)#矩阵每一行向量相加 distances = sqDistances ** 0.5 #欧几里得距离计算完毕 sortedDistance = distances.argsort() classCount = {} for i in xrange(k): voteLabel = labels[sortedDistance[i]] classCount[voteLabel] = classCount.get(voteLabel,0) + 1 res = max(classCount) return resdef img2vec(filename): returnVec = zeros((1,1024)) fr = open(filename) for i in range(32): lineStr = fr.readline() for j in range(32): returnVec[0,32*i+j] = int(lineStr[j]) return returnVecdef handwritingClassTest(trainingFloder,testFloder,K): hwLabels = [] trainingFileList = os.listdir(trainingFloder) m = len(trainingFileList) trainingMat = zeros((m,1024)) for i in range(m): fileName = trainingFileList[i] fileStr = fileName.split('.')[0] #获取真实的值 classNumStr = int(fileStr.split('_')[0]) hwLabels.append(classNumStr) trainingMat[i,:] = img2vec(trainingFloder+'/'+fileName) testFileList = os.listdir(testFloder) errorCount = 0.0 mTest = len(testFileList) for i in range(mTest): fileName = testFileList[i] fileStr = fileName.split('.')[0] classNumStr = int(fileStr.split('_')[0]) vectorUnderTest = img2vec(testFloder+'/'+fileName) classifierResult = kNNclassify(vectorUnderTest, trainingMat, hwLabels, K) #输出测试结果 #print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr) if classifierResult != classNumStr: errorCount +=1 print "\nthe total number of tests is: %d" % mTest # 输出测试总样本数 print "the total number of errors is: %d" % errorCount # 输出测试错误样本数 print 'the correct rate is; ',1-errorCount/mTest print 'the error rate is; ',errorCount/mTestdef main(): t1 = time.clock() handwritingClassTest('trainingDigits','testDigits',3) t2 = time.clock() print 'execute time:%ds' %(t2-t1)if __name__=='__main__': main()
#k=1 98.62%
#k=2 98.52%
#k=3 97.56%
#k=4 96.30%
0 0
- 基于KNN的手写数字识别
- 基于k近邻(KNN)的手写数字识别
- opencv 基于KNN的手写数字字符识别
- 基于python的手写数字识别(KNN算法)
- KNN手写数字识别
- knn算法实现的数字手写识别
- [机器学习案例1]基于KNN手写数字识别
- [机器学习案例1]基于KNN手写数字识别
- KNN之手写数字识别
- 基于SVM和KNN的手写数字的识别(分类)——小试牛刀篇
- 【好玩的计算机视觉】KNN算法手写数字识别
- MNIST手写数字的识别——kNN篇
- 机器学习-kNN实现简单的手写数字识别系统
- 基于KNN的手写识别和源码分析
- 基于python和numpy的KNN手写识别
- 基于tensorflow的MNIST手写数字识别
- 基于tensorflow的MNIST手写数字识别
- 基于Tensorflow的android手写数字识别
- C++ 智能指针详解
- 笔记
- 支付SDK
- 使物体按照指定路径移动
- swift中如何写π
- 基于KNN的手写数字识别
- ubuntu下让theano使用GPU
- strcpy拷贝越界问题
- swift自定义按钮文本和图片的位置
- [leetcode] 19. Remove Nth Node From End of List python实现【easy】
- 21下拉列表
- LeetCode:Binary Tree Maximum Path Sum
- JHTP小结_第三章_类、对象、方法及字符串简介
- 铠甲和长矛