【机器学习】k-近邻算法应用之手写数字识别

上篇文章简要介绍了k-近邻算法的算法原理以及一个简单的例子，今天再向大家介绍一个简单的应用，因为使用的原理大体差不多，就没有没有过多的解释。

为了具有说明性，把手写数字的图像转换为txt文件，如下图所示（三个图分别为5、6、8）：

要使用k-近邻算法，需要有足够的样本数据和测试数据，我放到了两个文件夹里（trainingDigits和testDigits），可以在这里（http://pan.baidu.com/s/1i3osO7N）下载使用

这里，每个数字有32X32个0或1，可以认为是一个维度为1024的点，也就是对这种点运用kNN算法，这里只附上手写数字的测试函数代码，代码和总需要的其他函数都在上一篇文章中，另外，需要注意的是因为要获取文件类列表，需要在文件中的头部再加上from os import listdir

def handwritingClassTest():
    hwLabels = []
    trainingFileList = listdir('trainingDigits')
    m = len(trainingFileList)
    trainingMat = zeros((m, 1024))
    for i in range(m):
        fileNameStr = trainingFileList[i]
        fileStr = fileNameStr.split('.')[0]
        classNumStr = int(fileStr.split('_')[0])
        hwLabels.append(classNumStr)
        trainingMat[i, :] = img2vector('trainingDigits/%s' % fileNameStr )
    testFileList = listdir('testDigits')
    errorCount = 0.0
    mTest = len(testFileList)
    for i in range(mTest):
        fileNameStr = testFileList[i]
        fileStr = fileNameStr.split('.')[0]
        classNumStr = int(fileStr.split('_')[0])
        vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)
        classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)
        print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr)
        if(classifierResult != classNumStr): errorCount += 1.0
    print "
the total number of errors is: %d" % errorCount
    print "
the total error rate is: %f" % (errorCount / float(mTest))

测试结果如下图：