手写字识别

Python实现手写识别

#coding=utf-8
 
from numpy import *
import operator
from os import listdir
 
#k近邻算法
def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]           #返回dataset这个array的行数
    diffMat = tile(inX, (dataSetSize,1)) - dataSet           #tile(A,reps)将A补成reps规格
    sqDiffMat = diffMat**2           #平方
    sqDistances = sqDiffMat.sum(axis=1)           #默认的axis=0 就是普通的相加 而当加入axis=1以后就是将一个矩阵的每一行向量相加
    distances = sqDistances**0.5           #开方
    sortedDistIndicies = distances.argsort()           #argsort其实是返回array排序后的下标（或索引）     
    classCount={}         #新建一个字典    
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        #依次查询cclassCount中是否有该key，有则将取出value再+1，没有则返回添加该key并置value为0，再+1 
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1  #统计得到各个标签的个数
    
    #按classCount字典的第2个元素（即类别出现的次数）从大到小排序，即获得得票最高的标签
    sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]
 
 
#从文本文件解析数据
def file2matrix(filename):
    fr = open(filename)
    numberOfLines = len(fr.readlines())         #get the number of lines in the file
    returnMat = zeros((numberOfLines,3))        #prepare matrix to return
    classLabelVector = []                       #prepare labels return   
    fr = open(filename)
    index = 0
    for line in fr.readlines():
        line = line.strip()           #删除文本行line后的回车符
        listFromLine = line.split('	')     #使用’	’分割字符串str，返回一个列表 
        returnMat[index,:] = listFromLine[0:3]
        classLabelVector.append(int(listFromLine[-1]))
        index += 1
    return returnMat,classLabelVector
 
#归一化特征值 
def autoNorm(dataSet):
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    ranges = maxVals - minVals
    normDataSet = zeros(shape(dataSet))        #shape数组或矩阵的各个维的大小
    m = dataSet.shape[0]            #返回dataset这个array的行数
    normDataSet = dataSet - tile(minVals, (m,1))
    normDataSet = normDataSet/tile(ranges, (m,1))   #element wise divide
    return normDataSet, ranges, minVals            
   
def datingClassTest():
    hoRatio = 0.10      #hold out 10%
    datingDataMat,datingLabels = file2matrix('datingTestSet2.txt')       #load data setfrom file
    normMat, ranges, minVals = autoNorm(datingDataMat)
    m = normMat.shape[0]
    numTestVecs = int(m*hoRatio)
    errorCount = 0.0
    for i in range(numTestVecs):
        classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
        print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, datingLabels[i])
        if (classifierResult != datingLabels[i]): errorCount += 1.0
    print "the total error rate is: %f" % (errorCount/float(numTestVecs))
    print errorCount
 
#将图像转换为向量函数    
def img2vector(filename):
    returnVect = zeros((1,1024))
    fr = open(filename)
    for i in range(32):
        lineStr = fr.readline()   #读取文件对象fr的当前行，返回字符串
        for j in range(32):
            returnVect[0,32*i+j] = int(lineStr[j])
    return returnVect
 
def handwritingClassTest():
    hwLabels = []
    trainingFileList = listdir('trainingDigits')           #load the training set
    m = len(trainingFileList)
    trainingMat = zeros((m,1024))
    for i in range(m):
        fileNameStr = trainingFileList[i]
        fileStr = fileNameStr.split('.')[0]     #take off .txt
        classNumStr = int(fileStr.split('_')[0])
        hwLabels.append(classNumStr)
        trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)
    testFileList = listdir('testDigits')        #iterate through the test set
    errorCount = 0.0
    mTest = len(testFileList)
    for i in range(mTest):
        fileNameStr = testFileList[i]
        fileStr = fileNameStr.split('.')[0]     #take off .txt
        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))
def main():
    #datingClassTest()
    handwritingClassTest()
    
main()
 
 
# 函数名/属性                                        功能
# array()                            创建一个数组
# shape                                数组或矩阵的各个维的大小
# tile(A, reps)           将数组A，根据数组reps沿各个维度重复多次，构成一个新的数组。reps的数字从后往前分别对应A的第N个维度的重复次数。
# sum(arr,axis=1)                        根据行列（轴），求和
# max(arr,axis=1)                       根据行列（轴），求最大值
# min(arr,axis=1)                       根据行列（轴），求最小值
# mean(arr,axis=1)                       根据行列（轴），求平均值
# argsort()                          得到矩阵中每个元素的排序序号
# dict.get(key,default)                获取字典中，一个给定的key对应的值。若key不存在，则返回默认值default。
# sorted(iterable[, key][, reverse])    第一个参数是一个iterable，返回值是一个对iterable中元素进行排序后的列表(list)。
# open(filename)                        返回一个文件对象
# fr.readlines()                    读取文件对象fr中的所有行，返回数组
# fr.readline()                        读取文件对象fr的当前行，返回字符串
# len(arr)                            返回数组的长度
# zeros((n,m))                              创建一个n*m的矩阵，用0填充
# line.strip()                           删除文本行line后的回车符
# str.spit(‘	’)                    使用’	’分割字符串str，返回一个列表
# list[-1]                             获取列表的最后一个元素
# vec.append(item)                    在向量、列表vec后追加元素item
# mat[index, :]                        获取矩阵/数组的第index行的所有元素
# list[m:n]                            获取列表索引m到n的元素的值
# plt.figure()                                    创建画布？
# fig.add_subplot((m,n,x))                    把画布分割成m*n的区块，在第x块上绘图
# scatter()                                 绘制散点
# print                                    格式化输出
# raw_input(“prompt string”)                   显示提示字符串，将用户的输入转换成string
# input(“prompt string”)         会根据用户输入变换相应的类型,而且如果要输入字符和字符串的时候必须要用引号包起来
# range()    range(1,5)     #代表从1到5(不包含5)； range(1,5,2) #代表从1到5，间隔2(不包含5)； range(5) #代表从0到5(不包含5)
# listdir(‘folder’)                      from os import listdir，获取给定文件夹下的文件名列表，不含文件路径