需求：

利用一个手写数字“先验数据”集，使用knn算法来实现对手写数字的自动识别；

先验数据(训练数据)集：

♦数据维度比较大，样本数比较多。

♦ 数据集包括数字0-9的手写体。

♦每个数字大约有200个样本。

♦每个样本保持在一个txt文件中。

♦手写体图像本身的大小是32x32的二值图，转换到txt文件保存后，内容也是32x32个数字，0或者1，如下：

数据集压缩包解压后有两个目录：(将这两个目录文件夹拷贝的项目路径下E:/KNNCase/digits/)

♦目录trainingDigits存放的是大约2000个训练数据

♦目录testDigits存放大约900个测试数据。

模型分析：

1、手写体因为每个人，甚至每次写的字都不会完全精确一致，所以，识别手写体的关键是“相似度”

2、既然是要求样本之间的相似度，那么，首先需要将样本进行抽象，将每个样本变成一系列特征数据(即特征向量)

3、手写体在直观上就是一个个的图片，而图片是由上述图示中的像素点来描述的，样本的相似度其实就是像素的位置和颜色之间的组合的相似度

4、因此，将图片的像素按照固定顺序读取到一个个的向量中，即可很好地表示手写体样本

5、抽象出了样本向量，及相似度计算模型，即可应用KNN来实现

python实现：

新建一个KNN.py脚本文件，文件里面包含四个函数：

1) 一个用来生成将每个样本的txt文件转换为对应的一个向量，

2) 一个用来加载整个数据集，

3) 一个实现kNN分类算法。

4) 最后就是实现加载、测试的函数。

1 #!/usr/bin/python

2 # coding=utf-8

3 #########################################

4 # kNN: k Nearest Neighbors

5

6 # 参数: inX: vector to compare to existing dataset (1xN)

7 # dataSet: size m data set of known vectors (NxM)

8 # labels: data set labels (1xM vector)

9 # k: number of neighbors to use for comparison

10

11 # 输出: 多数类

12 #########################################

13

14 from numpy import *

15 import operator

16 import os

17

18

19 # KNN分类核心方法

20 def kNNClassify(newInput, dataSet, labels, k):

21 numSamples = dataSet.shape[0] # shape[0]代表行数

22

23 # # step 1: 计算欧式距离

24 # tile(A, reps): 将A重复reps次来构造一个矩阵

25 # the following copy numSamples rows for dataSet

26 diff = tile(newInput, (numSamples, 1)) - dataSet # Subtract element-wise

27 squaredDiff = diff ** 2 # squared for the subtract

28 squaredDist = sum(squaredDiff, axis = 1) # sum is performed by row

29 distance = squaredDist ** 0.5

30

31 # # step 2: 对距离排序

32 # argsort()返回排序后的索引

33 sortedDistIndices = argsort(distance)

34

35 classCount = {} # 定义一个空的字典

36 for i in xrange(k):

37 # # step 3: 选择k个最小距离

38 voteLabel = labels[sortedDistIndices[i]]

39

40 # # step 4: 计算类别的出现次数

41 # when the key voteLabel is not in dictionary classCount, get()

42 # will return 0

43 classCount[voteLabel] = classCount.get(voteLabel, 0) + 1

44

45 # # step 5: 返回出现次数最多的类别作为分类结果

46 maxCount = 0

47 for key, value in classCount.items():

48 if value > maxCount:

49 maxCount = value

50 maxIndex = key

51

52 return maxIndex

53

54 # 将图片转换为向量

55 def img2vector(filename):

56 rows = 32

57 cols = 32

58 imgVector = zeros((1, rows * cols))

59 fileIn = open(filename)

60 for row in xrange(rows):

61 lineStr = fileIn.readline()

62 for col in xrange(cols):

63 imgVector[0, row * 32 + col] = int(lineStr[col])

64

65 return imgVector

66

67 # 加载数据集

68 def loadDataSet():

69 # # step 1: 读取训练数据集

70 print "---Getting training set..."

71 dataSetDir = 'E:/KNNCase/digits/'

72 trainingFileList = os.listdir(dataSetDir + 'trainingDigits') # 加载测试数据

73 numSamples = len(trainingFileList)

74

75 train_x = zeros((numSamples, 1024))

76 train_y = []

77 for i in xrange(numSamples):

78 filename = trainingFileList[i]

79

80 # get train_x

81 train_x[i, :] = img2vector(dataSetDir + 'trainingDigits/%s' % filename)

82

83 # get label from file name such as "1_18.txt"

84 label = int(filename.split('_')[0]) # return 1

85 train_y.append(label)

86

87 # # step 2:读取测试数据集

88 print "---Getting testing set..."

89 testingFileList = os.listdir(dataSetDir + 'testDigits') # load the testing set

90 numSamples = len(testingFileList)

91 test_x = zeros((numSamples, 1024))

92 test_y = []

93 for i in xrange(numSamples):

94 filename = testingFileList[i]

95

96 # get train_x

97 test_x[i, :] = img2vector(dataSetDir + 'testDigits/%s' % filename)

98

99 # get label from file name such as "1_18.txt"

100 label = int(filename.split('_')[0]) # return 1

101 test_y.append(label)

102

103 return train_x, train_y, test_x, test_y

104

105 # 手写识别主流程

106 def testHandWritingClass():

107 # # step 1: 加载数据

108 print "step 1: load data..."

109 train_x, train_y, test_x, test_y = loadDataSet()

110

111 # # step 2: 模型训练.

112 print "step 2: training..."

113 pass

114

115 # # step 3: 测试

116 print "step 3: testing..."

117 numTestSamples = test_x.shape[0]

118 matchCount = 0

119 for i in xrange(numTestSamples):

120 predict = kNNClassify(test_x[i], train_x, train_y, 3)

121 if predict == test_y[i]:

122 matchCount += 1

123 accuracy = float(matchCount) / numTestSamples

124

125 # # step 4: 输出结果

126 print "step 4: show the result..."

127 print 'The classify accuracy is: %.2f%%' % (accuracy * 100)

KNNTest.py

#!/usr/bin/python

# coding=utf-8

import KNN

KNN.testHandWritingClass()

测试结果：