目的：利用kNN识别数字0-9
材料：32*32的数字方阵（保存形式是文本文件）
#-*-coding:utf-8-*- from numpy import * def img2vector(filename): #生成一个1*1024的array（zeros是numpy的函数，至于array与list区别这里就不多介绍了） returnVect = zeros((1,1024)) #使用open函数打开一个文本文件 fr = open(filename) #循环读取文件内容 for i in range(32): #读取一行，返回字符串 linestr = fr.readline() for j in range(32): #读取字符串0 或者 1 returnVect[0,32*i+j] = int(linestr[j]) #返回这个array return returnVect
这个程序很清晰，不做什么解释了。再看一下分类器是怎么实现的：
#定义测试代码 def handwringClassTest(): #定义一个list，用于记录分类 hwLabels = [] #前面的Python os.listdir 可以列出 dir 里面的所有文件和目录，但不包括子目录中的内容。 #os.walk 可以遍历下面的所有目录，包括子目录。 trainingFileList = listdir('trainingDigits') #求出文件的长度 m = len(trainningFileList) #生成m*1024的array，每个文件分配1024个0 trainingMat = zeros((m,1024)) #循环，对每一个file for i in range(m): #当前文件 fileNameStr = trainingFileList[i] #理解这段代码要知道文件的命名方式,这里是这样命名的9_45.txt，9表示分类，45表示第45个。 fileStr = fileNameStr.split('.')[0] classNumStr = int(fileStr.split('_')[0]) hwLabels.append(classNumStr) #调用img2vector，将原文件写入trainingMat trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr) #找到testDigits中的文件 testFileList = listdir('testDigits') #计算误差 errorCount = 0.0 #多少个文件 mTest = len(testFileList) #遍历test文件 for i inrange(mTest): #test文件 fileNameStr = testFileList[i] #分类 fileStr = fileNameStr.split('.')[0] classNumStr = int(fileStr.split('_')[0]) #转换成1*1024 vectorUnderTest = img2vector('testDigits/%s' % fileNameStr) # 调用knn分类 classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3) #输出 print "the classifier came back with:%d, the real anwer is : %d" % (classifierResult, classNumStr) #计算误差 if (classifierResult != classNumStr): errorCount += 1.0 print " the total numbe of error is: %d" % errorCount print " the total error rate is: %f" % (errorCount/flaot(mTest))
总结
kNN是一种最简单最有效的算法。但是kNN必须保留所有的数据集，如果训练数据集的很大，必须使用大量的存储空间，此外，需要对每一个数据计算距离，非常耗时。另外，它无法给出任何数据的基础结构信息（目前我还不能理解这句话，待更新。。。）。