Python 手写数字识别-knn算法应用

  knn算法代码：

from numpy import *
import operator
import os

def img2vector(filename):
    """
    filename代表文件名称
    """
    returnVector = zeros((1,1024))##声明一个0矩阵
    fr = open(filename)
    for i in range(32):
        lineStr = fr.readline()##每一行文件
        for j in range(32):
            returnVector[0,32*i+j] = int(lineStr[j])##一共32行，全部存储到returnVector里面
    fr.close()
    return returnVector

def classify(inX, dataSet, labels, k):
    """
    四个参数，inX是测试向量，dataSet样本向量数据，labels是标签，k是选取前k个做评测
    tile(A,n)用于重复A矩阵n次
    argsort()返回的是数组值从小到大的索引
    list.get(k,d)
    get()相当于一条if...else...语句,参数k在字典中，字典将返回list[k];如果参数k不在字典中则返回参数d,如果K在字典中则返回k对应的value值；
    例子：
    l = {5:2,3:4}
    print l.get(3,0)返回的值是4；
    Print l.get（1,0）返回值是0；(该例来源于网络)
    """
    dataSetSize = dataSet.shape[0]  ##shpe函数用于返回矩阵的长度，如shape[0]返回第一维矩阵长度，shape[1]返回第二维矩阵长度以此类推，还有其他功能执行查阅
    diffMat = tile(inX, (dataSetSize, 1)) - dataSet  ##tile函数主要功能是重复矩阵多少次，重复了测试向量，与每一个样本相减
    sqDiffMat = diffMat ** 2  ##计算平方
    sqDistances = sqDiffMat.sum(axis=1)  ##计算矩阵横轴的和
    distances = sqDistances ** 0.5  ##平方
    sortedDistIndicies = distances.argsort()  ##用argsort排序
    classCount = {}
    for i in range(k):
        voteLabel = labels[sortedDistIndicies[i]]  ##通过索引得到前该距离所属的类型
        classCount[voteLabel] = classCount.get(voteLabel, 0) + 1  ##相应的类型+1
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]

 #classTest()函数用于处理32*32的数据，

def classTest():
    file_object = open('result.txt', 'w')
    Labels = []
    trainingFileList = os.listdir("./digits/trainingDigits/")  ##listdir函数用于获取该目录下的文件列表，并且以数组的方式存储
    length = len(trainingFileList)  ##获取数组长度
    trainingMat = zeros((length, 1024))  ##声明一个length*1024的矩阵用于存储所有样本的向量形式
    for i in range(length):
        fileNameStr = trainingFileList[i]  ##获取列表中每一个文件名(包含扩展名)
        fileName = fileNameStr.split('.')[0]  ##获取列表中每一个文件名(不包含扩展名)
        numClass = fileName.split('_')[0]  ##获取该文件所属的类别（因为文件名都是以‘数字类别_第几个样本.txt’形式的，所以需要进行两次的split函数）
        Labels.append(numClass)  ##以队列的形式加入到Labels的队尾
        trainingMat[i, :] = img2vector(
            "./digits/trainingDigits/" + fileNameStr)  ##用img2vector()函数处理32*32的图片矩阵，存入trainingMat中
    testFileList = os.listdir("./digits/testDigits/")  ##测试组的文件列表，下面的代码意思如上，多余的就不写了
    errorCount = 0.0
    lengthTest = len(testFileList)
    for i in range(lengthTest):
        fileNameStr = testFileList[i]
        fileName = fileNameStr.split('.')[0]
        numClass = fileName.split('_')[0]
        vectorUnderTest = img2vector("./digits/testDigits/" + fileNameStr)
        classifierResult = classify(vectorUnderTest, trainingMat, Labels, 3)
        file_object.write(str(classifierResult) + "       " + str(numClass) + '
')
        print  ("come back result is %s.......real result is %s" %(classifierResult,numClass))
        if(classifierResult !=numClass): errorCount+=1.0
        print("
 the total number of errors is  %d" % (errorCount))
        print("
 the total error rate is  %f" % (errorCount/float(lengthTest)))
    file_object.close()
if __name__ == "__main__":
    classTest()

　

digits/trainingDigits数据集：　链接：https://pan.baidu.com/s/1gEa4jGi-PSyFtAizd0KTew 密码：ebyf

运行结果