KNN识别手写体数字

首先准备好数据集，可以在网上下载好，用到的是目录ch02里的testDigits和trainingDigits

其具体步骤和理论参考机器学习实战 Maching Learning in Action

一些语法：
正则匹配

# coding=utf-8
from numpy import *
from os import listdir
import operator # 运算符模块,执行排序操作时将用到
import matplotlib.pyplot as plt
import re,time# 图像数据处理得到分类器可识别的格式
def img2vector(filename):# 创建一个行向量1*1024的数组，而不是单个1*1024的向量returnVect = zeros((1,1024))fr=open(filename,'r')for i in range(32):lineStr = fr.readline()for j in range(32):returnVect[0,32*i+j] = int(lineStr[j])#print returnVect[0,32*i+j]fr.close()return returnVect# 分类，参考上一篇KNN简单实现
def classify0(inX, dataSet, labels, k):dataSetSize = dataSet.shape[0]diffMat = tile(inX, (dataSetSize,1)) - dataSetsqDiffMat = diffMat**2sqDistances = sqDiffMat.sum(axis=1)distances = sqDistances**0.5sortedDistIndicies = distances.argsort()     classCount={}          for i in range(k):voteIlabel = labels[sortedDistIndicies[i]]classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)return sortedClassCount[0][0]# 测试分类器的识别效果
def handwritingClassTest():hwLabels = []# listdir可以列出给定目录下的文件名trainingFileList = listdir('trainingDigits')# 得到训练集的文件个数m = len(trainingFileList)print 'Number of training data sets:', m# 创建m行数组存放格式化后的训练数据print '..training set Processing......'trainingMat = zeros((m,1024))for i in range(m):# 数字图像的文件名，要提取出其代表的数字，即标签       fileNameStr = trainingFileList[i]# 正则匹配#tt=re.match(r'(\d*)\_(\d*)(.txt)',fileNameStr).group(1)fileStr = fileNameStr.split('.')[0]     classNumStr = int(fileStr.split('_')[0])# 得到标签listhwLabels.append(classNumStr)#print hwLabels#得到训练集数组,又学习了一种新的方法trainingMat[i,:] = img2vector('trainingDigits\%s' % fileNameStr)print  'Number of trainingMat..',trainingMat.shape[0]print '..trainingset procesing end'# 列出测试集文件testFileList = listdir('testDigits')      #iterate through the test seterrorCount = 0.0mTest = len(testFileList)print 'Number of testing data sets:',mTestprint '..testing set Processing......'for i in range(mTest):fileNameStr = testFileList[i]fileStr = fileNameStr.split('.')[0]     #take off .txtclassNumStr = int(fileStr.split('_')[0])vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)# 开始分类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#换行注释\nprint "\nthe total number of errors is: %d" % errorCountprint "\nthe total error rate is: %f" % (errorCount/float(mTest))if __name__== "__main__": start=time.time()handwritingClassTest()end=time.time()print '\nRunning time:',end-start

结果：

Number of training data sets: 1934
..training set Processing......
Number of trainingMat.. 1934
..trainingset procesing end
Number of testing data sets: 946
..testing set Processing......
the classifier came back with: 0, the real answer is: 0
the classifier came back with: 0, the real answer is: 0
the classifier came back with: 0, the real answer is: 0
the classifier came back with: 0, the real answer is: 0
the classifier came back with: 0, the real answer is: 0
the classifier came back with: 0, the real answer is: 0
...,
the classifier came back with: 9, the real answer is: 9
the classifier came back with: 9, the real answer is: 9
the classifier came back with: 9, the real answer is: 9
the classifier came back with: 9, the real answer is: 9
the classifier came back with: 9, the real answer is: 9
the classifier came back with: 9, the real answer is: 9the total number of errors is: 11the total error rate is: 0.011628Running time: 29.5639998913

错误率为1.16%，耗时29

在其中遇到了一个问题：
就是使用open（）函数时报错：
TypeError: an integer is required
查资料后：
错误是由于从os模块引入了所有的函数导致的，即“from os import *”

os模块下也有一个open函数，接受整型的文件描述符和打开模式，from os import *引入os模块的open函数，覆盖了python内建的open函数，导致错误。

修改from os import listdir 这行，即根据需要，指定引入os模块下的函数，尽量不要使用from module import *方式引入模块函数。

KNN识别手写体数字相关推荐

svm手写数字识别python_SVM算法识别手写体数字
sklearn内部集成了一些手写体数字图片数据集,现在我们使用这些数据,用SVM支持向量机算法进行训练识别的练习.笔者习惯用pycharm,今天手痒,用一下Spyder编辑,顺便对比一下哪一个好用.废 ...
python手机代码识别数字_python实现kNN算法识别手写体数字的示例代码
1.总体概要 kNN算法已经在上一篇博客中说明.对于要处理手写体数字,需要处理的点主要包括: (1)图片的预处理:将png,jpg等格式的图片转换成文本数据,本博客的思想是,利用图片的rgb16进制编 ...
Pytorch识别手写体数字的简单实现
前言人工智能学习相关博客: BackPropagation神经网络的学习与浅析数据可视化相关博客: Pyecharts的实例使用一般机器学习框架都使用MNIST作为入门.就像"Hell ...
手写体数字识别的两种方法
基于贝叶斯模型和KNN模型分别对手写体数字进行识别首先,我们准备了0~9的训练集和测试集,这些手写体全部经过像素转换,用0,1表示,有颜色的区域为0,没有颜色的区域为1.实现代码如下: # 图片处理 ...
基于matlab的手写体数字识别系统
摘要:随着科学技术的发展,机器学习成为一大学科热门领域,是一门专门研究计算机怎样模拟或实现人类的学习行为的交叉学科.文章在matlab软件的基础上,利用BP神经网络算法完成手写体数字的识别. 机器学习 ...
tensorflow学习笔记——手写体数字识别
使用tensorflow框架搭建全连接神经网络,用于识别手写体数字,希望对大家有帮助. import tensorflow as tf from tensorflow.examples.tutoria ...
并行化实现基于BP神经网络的手写体数字识别
并行化实现基于BP神经网络的手写体数字识别手写体数字识别可以堪称是神经网络学习的"Hello World" ,我今天要说的是如何实现BP神经网络算法的并行化,我们仍然是以手写体数 ...
python机器学习手写字体识别_Python 3 利用机器学习模型进行手写体数字检测
0.引言介绍了如何生成手写体数字的数据,提取特征,借助 sklearn 机器学习模型建模,进行识别手写体数字 1-9 模型的建立和测试. 用到的几种模型: 1. LR,Logistic Regres ...
Python 3 利用机器学习模型进行手写体数字检测
0.引言介绍了如何生成手写体数字的数据,提取特征,借助 sklearn 机器学习模型建模,进行识别手写体数字 1-9 模型的建立和测试. 用到的几种模型: 1. LR,Logistic Regres ...

KNN识别手写体数字

KNN识别手写体数字相关推荐

最新文章

热门文章