机器学习（4）——手写识别系统实例

基本概念

利用K-近邻算法对0-9的32*32的黑白数字图像进行归类。

基本思路步骤

收集数据：提供文本文件；
准备数据：编写图像格式转化为可供分类器使用的向量格式的函数代码；
分析数据：进行检查数据，确保符合要求；
训练算法：此步骤不适用与K-近邻算法；
测试算法：编写函数使用提供的部分数据集作为测试样本，进行测试；
使用算法：产生简单的程序，从图像中提取数字，进行数字识别。

将图像转化为测试向量
将如图所示3232的二进制图像矩阵转换为11024的向量。

首先编写图像转换向量代码：

进行验证：

加载数据集并进行预测
编写数字识别系统的测试代码

测试结果：

进行测试得出，近200个样本，使用K-近邻算法识别手写数据集错误率为1.1%。
K-近邻算法总结

 K-近邻算法是分类数据最简单有效的算法，但通过两个实例的得出，使用K-近邻
算法使用时必须有接近实际数据的训练样本数据，如果训练数据集很大，还必须使用
大量存储空间，此外由于必须对数据集中的每个数据计算距离值，实际使用时非常耗
时。在K-近邻算法的使用中，另一个缺陷是他无法给出任何数据的基础结构信息，
因此我们也无法知晓平均实例样本和典型实例样本具有什么特征。期待后续算法可以优化或者解决这些问题。

机器学习（4）——手写识别系统实例相关推荐

【机器学习】手写识别系统
[机器学习]手写识别系统过程 ==准备数据:将图像转换为测试向量== ==测试算法:使用k-近邻算法识别手写数字== ==完整代码== 过程收集数据:提供文本文件准备数据:编写函数classif ...
机器学习实战-手写识别系统
在实现了K近邻算法后,书中给出了一个实例,今天来学习一下使用K近邻分类器的手写识别系统.书中原带的文件已经过处理转换为了文本格式,方便了许多. 先看一下原带文件准备数据 #将图像转换为测试向量 de ...
机器学习算法（一）：k-近邻理论与python实现+经典应用（约会网站匹配、手写识别系统）
一份算法学习笔记~ 亲爱的朋友,恭喜你点开神秘之门,哈哈哈哈!从这里开始,我们一起学习机器学习的经典算法吧. 这一次的主要内容是机器学习入门算法:k-近邻.理论相当好理解,下面我们正式开始啦! 算法简 ...
【机器学习实战】k近邻算法实战——手写识别系统
文章目录手写识别系统步骤: 准备数据:将图像转换为测试向量测试算法:使用k-近邻算法识别手写数字 [完整代码] 手写识别系统为了简单起见,这里构造的系统只能识别数字0到9,参见图2-6.需要识 ...
java手写识别_手写识别系统
目的采用k-近邻算法实现手写识别系统.这里采用0和1组成数字0-9的形状,再用算法对这些形状进行识别,来分辨出形状属于0-9那个数字.并计算出k-近邻算法识别手写数字的错误率. 数据说明数据来自& ...
python实现手写识别系统
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一.手写识别系统二.主要步骤 1.准备数据:将图像转换为测试向量 2.测试算法:使用k-近邻算法识别手写数字总结 ...
Knn算法之手写识别系统
knn值之手写识别系统导入包 import numpy as np from os import listdir import operator 介绍 1.os模块 os.listdir() 方法用 ...
【Python】基于kNN算法的手写识别系统的实现与分类器测试
基于kNN算法的手写识别系统 1. 数据准备使用windows画图工具,手写0-9共10个数字,每个数字写20遍,共200个BMP文件. 方法如下,使用画图工具,打开网格线,调整像素为32 ...
knn算法测试手写识别系统准确率
手写识别系统,KNN算法实现手写识别系统的准确率 (准确率=测试分对的样本数/总的样本数) import numpy as np from itertools import chain from os ...

机器学习（4）——手写识别系统实例

机器学习（4）——手写识别系统实例相关推荐

最新文章

热门文章