本文实例为大家分享了python使用knn算法识别手写数字的具体代码，供大家参考，具体内容如下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
|
# -*- coding: utf-8 -*-#pip install numpyimport osimport os.pathfrom numpy import *import operatorimport timefrom os import listdir """描述： knn算法实现分类器参数： inputpoint：测试集 dataset：训练集 labels：类别标签 k:k个邻居返回值： 该测试数据的类别"""def classify(inputpoint,dataset,labels,k): datasetsize = dataset.shape[0] #已知分类的数据集（训练集）的行数 #先tile函数将输入点拓展成与训练集相同维数的矩阵，再计算欧氏距离 diffmat = tile(inputpoint,(datasetsize,1))-dataset #样本与训练集的差值矩阵 # print(inputpoint); sqdiffmat = diffmat ** 2 #sqdiffmat 的数据类型是nump提供的ndarray,这不是矩阵的平方，而是每个元素变成原来的平方。 sqdistances = sqdiffmat.sum(axis=1) #计算每一行上元素的和 # print(sqdistances); distances = sqdistances ** 0.5 #开方得到欧拉距离矩阵 # print(distances); sorteddistindicies = distances.argsort() #按distances中元素进行升序排序后得到的对应下标的列表,argsort函数返回的是数组值从小到大的索引值 # print(sorteddistindicies); # classcount数据类型是这样的{0: 2, 1: 2}，字典key：value classcount = {} # 选择距离最小的k个点 for i in range(k): voteilabel = labels[ sorteddistindicies[i] ] # print(voteilabel) # 类别数加1 classcount[voteilabel] = classcount.get(voteilabel,0)+1 print(classcount)# {1: 1, 7: 2} #按classcount字典的第2个元素（即类别出现的次数）从大到小排序 sortedclasscount = sorted(classcount.items(), key = operator.itemgetter(1), reverse = true) print(sortedclasscount)# [(7, 2), (1, 1)] return sortedclasscount[0][0] """描述： 读取指定文件名的文本数据，构建一个矩阵参数： 文本文件名称返回值： 一个单行矩阵"""def img2vector(filename): returnvect = [] fr = open(filename) for i in range(32): linestr = fr.readline() for j in range(32): returnvect.append(int(linestr[j])) return returnvect """描述： 从文件名中解析分类数字，比如由0_0.txt得知这个文本代表的数字分类是0参数： 文本文件名称返回值： 一个代表分类的数字"""def classnumcut(filename): filestr = filename.split('.')[0] classnumstr = int(filestr.split('_')[0]) return classnumstr """描述： 构建训练集数据向量，及对应分类标签向量参数： 无返回值： hwlabels：分类标签矩阵 trainingmat：训练数据集矩阵"""def trainingdataset(): hwlabels = [] trainingfilelist = listdir('trainingdigits') #获取目录内容 m = len(trainingfilelist) # zeros返回全部是0的矩阵，参数是行和列 trainingmat = zeros((m,1024)) #m维向量的训练集 for i in range(m): # print (i); filenamestr = trainingfilelist[i] hwlabels.append(classnumcut(filenamestr)) trainingmat[i,:] = img2vector('trainingdigits/%s' % filenamestr) return hwlabels,trainingmat """描述： 主函数，最终打印识别了多少个数字以及识别的错误率参数： 无返回值： 无"""def handwritingtest(): """ hwlabels,trainingmat 是标签和训练数据， hwlabels 是一个一维矩阵，代表每个文本对应的标签（即文本所代表的数字类型） trainingmat是一个多维矩阵，每一行都代表一个文本的数据，每行有1024个数字（0或1） """ hwlabels,trainingmat = trainingdataset() #构建训练集 testfilelist = listdir('testdigits') #获取测试集 errorcount = 0.0 #错误数 mtest = len(testfilelist) #测试集总样本数 t1 = time.time() for i in range(mtest): filenamestr = testfilelist[i] classnumstr = classnumcut(filenamestr) # img2vector返回一个文本对应的一维矩阵，1024个0或者1 vectorundertest = img2vector('testdigits/%s' % filenamestr) #调用knn算法进行测试 classifierresult = classify(vectorundertest, trainingmat, hwlabels, 3) # 打印测试出来的结果和真正的结果，看看是否匹配 print ("the classifier came back with: %d, the real answer is: %d" % (classifierresult, classnumstr)) # 如果测试出来的值和原值不相等，errorcount+1 if (classifierresult != classnumstr): errorcount += 1.0 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 total error rate is: %f" % (errorcount/float(mtest))) #输出错误率 t2 = time.time() print ("cost time: %.2fmin, %.4fs."%((t2-t1)//60,(t2-t1)%60) ) #测试耗时 """描述： 指定handwritingtest（）为主函数"""if __name__ == "__main__": handwritingtest() |
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/yuzhiyun3536/article/details/84810194
