# -*- coding: utf-8 -*-

#pip install numpy

import os

import os.path

from numpy import *

import operator

import time

from os import listdir

"""

描述:

KNN算法实现分类器

参数:

inputPoint:测试集

dataSet:训练集

labels:类别标签

k:K个邻居

返回值:

该测试数据的类别

"""

def classify(inputPoint,dataSet,labels,k):

dataSetSize = dataSet.shape[0] #已知分类的数据集(训练集)的行数

#先tile函数将输入点拓展成与训练集相同维数的矩阵,再计算欧氏距离

diffMat = tile(inputPoint,(dataSetSize,1))-dataSet #样本与训练集的差值矩阵

# print(inputPoint);

sqDiffMat = diffMat ** 2 #sqDiffMat 的数据类型是nump提供的ndarray,这不是矩阵的平方,而是每个元素变成原来的平方。

sqDistances = sqDiffMat.sum(axis=1) #计算每一行上元素的和

# print(sqDistances);

distances = sqDistances ** 0.5 #开方得到欧拉距离矩阵

# print(distances);

sortedDistIndicies = distances.argsort() #按distances中元素进行升序排序后得到的对应下标的列表,argsort函数返回的是数组值从小到大的索引值

# print(sortedDistIndicies);

# classCount数据类型是这样的{0: 2, 1: 2},字典key:value

classCount = {}

# 选择距离最小的k个点

for i in range(k):

voteIlabel = labels[ sortedDistIndicies[i] ]

# print(voteIlabel)

# 类别数加1

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

print(classCount)# {1: 1, 7: 2}

#按classCount字典的第2个元素(即类别出现的次数)从大到小排序

sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1), reverse = True)

print(sortedClassCount)# [(7, 2), (1, 1)]

return sortedClassCount[0][0]

"""

描述:

读取指定文件名的文本数据,构建一个矩阵

参数:

文本文件名称

返回值:

一个单行矩阵

"""

def img2vector(filename):

returnVect = []

fr = open(filename)

for i in range(32):

lineStr = fr.readline()

for j in range(32):

returnVect.append(int(lineStr[j]))

return returnVect

"""

描述:

从文件名中解析分类数字,比如由0_0.txt得知这个文本代表的数字分类是0

参数:

文本文件名称

返回值:

一个代表分类的数字

"""

def classnumCut(fileName):

fileStr = fileName.split('.')[0]

classNumStr = int(fileStr.split('_')[0])

return classNumStr

"""

描述:

构建训练集数据向量,及对应分类标签向量

参数:

返回值:

hwLabels:分类标签矩阵

trainingMat:训练数据集矩阵

"""

def trainingDataSet():

hwLabels = []

trainingFileList = listdir('trainingDigits') #获取目录内容

m = len(trainingFileList)

# zeros返回全部是0的矩阵,参数是行和列

trainingMat = zeros((m,1024)) #m维向量的训练集

for i in range(m):

# print (i);

fileNameStr = trainingFileList[i]

hwLabels.append(classnumCut(fileNameStr))

trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)

return hwLabels,trainingMat

"""

描述:

主函数,最终打印识别了多少个数字以及识别的错误率

参数:

返回值:

"""

def handwritingTest():

"""

hwLabels,trainingMat 是标签和训练数据,

hwLabels 是一个一维矩阵,代表每个文本对应的标签(即文本所代表的数字类型)

trainingMat是一个多维矩阵,每一行都代表一个文本的数据,每行有1024个数字(0或1)

"""

hwLabels,trainingMat = trainingDataSet() #构建训练集

testFileList = listdir('testDigits') #获取测试集

errorCount = 0.0 #错误数

mTest = len(testFileList) #测试集总样本数

t1 = time.time()

for i in range(mTest):

fileNameStr = testFileList[i]

classNumStr = classnumCut(fileNameStr)

# img2vector返回一个文本对应的一维矩阵,1024个0或者1

vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)

#调用knn算法进行测试

classifierResult = classify(vectorUnderTest, trainingMat, hwLabels, 3)

# 打印测试出来的结果和真正的结果,看看是否匹配

print ("the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr))

# 如果测试出来的值和原值不相等,errorCount+1

if (classifierResult != classNumStr):

errorCount += 1.0

print("\nthe total number of tests is: %d" % mTest) #输出测试总样本数

print ("the total number of errors is: %d" % errorCount ) #输出测试错误样本数

print ("the total error rate is: %f" % (errorCount/float(mTest))) #输出错误率

t2 = time.time()

print ("Cost time: %.2fmin, %.4fs."%((t2-t1)//60,(t2-t1)%60) ) #测试耗时

"""

描述:

指定handwritingTest()为主函数

"""

if __name__ == "__main__":

handwritingTest()

knn算法python代码识别手写数字_python使用KNN算法识别手写数字相关推荐

  1. python代码测试健康指数计算器_Python小白一枚,自己写的BMI指数计算器,求教高手一下代码如何重复输入以及如何结束循环?...

    展开全部 想让程序循环,在62616964757a686964616fe78988e69d8331333431366335最外层套一个while就可以了,想跳出的时候写break就可以了. 在你的代码 ...

  2. 匈牙利算法python代码实现以及原理图解

    匈牙利算法python代码实现以及原理图解 1.匈牙利算法python代码实现: 2.原理图解: 1.匈牙利算法python代码实现: scipy中有对应的接口scipy.optimize.linea ...

  3. 多元线性回归算法python实现_手写算法-Python代码推广多元线性回归

    1.梯度下降-矩阵形式 上篇文章介绍了一元线性回归,包括Python实现和sklearn实现的实例.对比,以及一些问题点,详情可以看这里: 链接: 手写算法-Python代码实现一元线性回归 里面封装 ...

  4. 手写算法-python代码实现Ridge(L2正则项)回归

    手写算法-python代码实现Ridge回归 Ridge简介 Ridge回归分析与python代码实现 方法一:梯度下降法求解Ridge回归参数 方法二:标准方程法实现Ridge回归 调用sklear ...

  5. knn算法python代码_KNN算法原理(python代码实现)

    kNN(k-nearest neighbor algorithm)算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性 ...

  6. 【论文阅读及复现】(1998)无网格线探索布线算法 + Python代码实现

    文章目录 一.摘要 二.单层无网格线探索算法 2.1 形式描述 2.1.1 探索线 2.1.2 探索过程 2.1.3 绕障偏移量 2.2 变量说明 2.3 启发式规则 2.3.1 I型绕障 2.3.2 ...

  7. 进化算法——蛙跳算法Python代码

    进蛙跳算法Python代码 蛙跳算法原理 Python代码 参考文献 蛙跳算法原理 假设种群个数为 c h r o m n u m chromnum chromnum , 分组个数为 g r o u ...

  8. python实现tomasulo算法_手写算法-python代码实现KNN

    本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理 原理解析 KNN-全称K-Nearest Neighbor,最近邻算法,可以做分类任务,也可以做回归 ...

  9. python多元非线性拟合csdn_手写算法-Python代码实现非线性回归

    生成非线性数据集 前面我们介绍了Python代码实现线性回归,今天,我们来聊一聊当数据呈现非线性时,这时我们继续用线性表达式去拟合,显然效果会很差,那我们该怎么处理?继续上实例(我们的代码里用到的数据 ...

  10. 手写算法—Python代码实现一元线性回归

    Python代码实现一元线性回归 简述 假设函数.损失函数和梯度下降法 Python实现一元线性回归 对比sklearn实现的一元线性回归 简述 线性回归模型是机器学习里面最基础的一种模型,是为了解决 ...

最新文章

  1. enote笔记语言(2)(ver0.3)
  2. HDU - 1527 取石子游戏(威佐夫博弈)
  3. FLOAT或DOUBLE列与具有数值类型的数值进行比较 问题
  4. python亲密度_Python OpenCV 图像2D直方图,取经之旅第 25 天
  5. 解决: VUE 项目中表单提交中文乱码、接口请求参数中文乱码
  6. android api文档_【粉丝投稿】无需额外注解的 SpringBoot API文档生成工具
  7. 调用微信的扫一扫功能
  8. 李雅普诺夫稳定性理论 matlab,李雅普诺夫稳定理论的定义应用解析.ppt
  9. SVN_SERVER的搭建
  10. 七天学完Vue之第二天学习笔记(自定指令,过滤器,生命周期函数,动画效果)
  11. 隐马尔可夫模型(四)学习问题
  12. 程序员坐牢了,会被安排写代码吗?
  13. 《数据结构》实验三:单链表
  14. TI-RTOS---Semaphores
  15. 关于nifty counters
  16. 基于Python实现Aitken迭代法和牛顿迭代法
  17. Python加密word文档
  18. ios13全选手势_iOS13大揭秘:深色模式、多任务、新手势等
  19. 【数学一本通 第一章】SEJ-Strongbox [LUOGU] [POI2011]
  20. pscp linux,windows下 pscp 安装及使用

热门文章

  1. HttpStatusCode 枚举
  2. slideToggle使用
  3. VMwareESX上的SCOM控制台无法正常运行
  4. WebStart啟動程式在關閉時關閉javaw進程
  5. 彻底搞懂git rebase命令
  6. MYSQL 大数据性能优化
  7. 怎么维护 SQLite
  8. typedef NS_ENUM 等枚举介绍
  9. DELL服务器装机网络问题
  10. 也谈谈让好马吃回头草