KNN (K近邻算法) - 识别手写数字

KNN项目实战——手写数字识别

1、介绍

k近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

2、数据集介绍

32X32 文本格式数据.

3、代码实现

3.1、导包

import numpy as np
import pandas as pd
import matplotlib.pylab as plt
%matplotlib inline

import os

3.2、读取训练数据

# 获取数据文件
fileList = os.listdir('./data/trainingDigits/')# 定义数据标签列表
trainingIndex = []
# 添加数据标签
for filename in fileList:trainingIndex.append(int(filename.split('_')[0]))# 定义矩阵数据格式
trainingData = np.zeros((len(trainingIndex),1024))
trainingData.shape#(3868, 1024)

# 获取矩阵数据
index = 0
for filename in fileList:with open('./data/trainingDigits/%s'%filename, 'rb') as f:# 定义一个空矩阵vect = np.zeros((1,1024))# 循环32行for i in range(32):# 读取每一行数据line = f.readline()# 遍历每行数据索引  line[j] 即为数据for j in range(32):vect[0,32*i+j] = int(line[j])trainingData[index,:] = vectindex+=1

3.3、读取测试数据

fileList2 = os.listdir('./data/testDigits/')# 定义数据标签列表
testIndex = []
# 获取数据标签
for filename2 in fileList2:testIndex.append(int(filename2.split('_')[0]))#读取测试数据 # 定义矩阵数据格式
testData = np.zeros((len(testIndex),1024))
testData.shape
#(946, 1024)# 获取矩阵数据
index = 0
for filename2 in fileList2:with open('./data/testDigits/%s'%filename2, 'rb') as f:# 定义一个空矩阵vect = np.zeros((1,1024))# 循环32行for i in range(32):# 读取每一行数据line = f.readline()# 遍历每行数据索引  line[j] 即为数据for j in range(32):vect[0,32*i+j] = int(line[j])testData[index,:] = vectindex+=1

3.5、数据建模

from sklearn.neighbors import KNeighborsClassifier# 定义 k 为5个, 即 寻找最近的3个邻居
knn = KNeighborsClassifier(n_neighbors=3)# 训练数据
knn.fit(trainingData,trainingIndex)

3.6、分析数据

%%time
# 预测数据 

predict_data = knn.predict(testData)# Wall time: 7.8 s
knn.score(testData,testIndex)#0.9862579281183932

# 识别正确率: 98.626%

转载于:https://www.cnblogs.com/blogscc/p/11518697.html

KNN (K近邻算法) - 识别手写数字相关推荐

K 近邻算法识别手写数字（Numpy写法）
在 Kaggle 上面的 Notebook 给可爱的学弟学妹们用于参考... 代码这个东西一定要自己多写,我一边听着林宥嘉的<想自由>,一边写出了大致的实现.K 近邻算法大概做的是一件什么 ...
k近邻算法_图穷匕见：K近邻算法与手写数字识别
机器学习算法是从数据中产生模型,也就是进行学习的算法.我们把经验提供给算法,它就能够根据经验数据产生模型.在面对新的情况时,模型就会为我们提供判断(预测)结果.例如,我们根据"个子高.腿长. ...
OpenCV-Python实战（番外篇）——利用 KNN 算法识别手写数字
OpenCV-Python实战(番外篇)--利用 KNN 算法识别手写数字前言手写数字数据集 MNIST 介绍基准模型--利用 KNN 算法识别手写数字改进模型1--参数 K 对识别手写数字精 ...
python与人工智能：KNN近邻法识别手写数字
机器学习分类? 1 特征(feature) 数据是区分事物和事物的关键. 举例:不同类型的书,我们用书的内容来对它进行分类 2 标签(label) 数据的标签,显示的分类结果. 举例:书属于的类别,例 ...
【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 ...
机器学习实战之k-近邻算法识别手写数字（含拍照检验步骤详解）
哈哈,这是我写的第一篇博客,就此拉开了我的程序员生涯的序幕.希望有缘人看见之后,能够解决你所遇见的问题.废话不多说,开始办正事. 本例中使用K-近邻算法识别手写数字,参考书目:Peter Harrin ...
OpenCV-Python实战（番外篇）——利用 SVM 算法识别手写数字
OpenCV-Python实战(番外篇)--利用 SVM 算法识别手写数字前言使用 SVM 进行手写数字识别参数 C 和 γ 对识别手写数字精确度的影响完整代码相关链接前言支持向量机 ( ...
opencv(python)使用knn最近邻算法识别手写数字
knn最近邻算法是一种分类以及回归算法,算法原理是一个样本与样本集中k个样本最相似,如果这k个样本的大多数也属于同一个类别,则该样本也属于这一类.关于knn算法的详细原理读者可以在网上找一些资料了解下 ...
基于K近邻法的手写数字图像识别
数字图像处理课程论文题目:数字图像识别摘要模式识别(PatternRecognition)是一 ...
opencv(python)使用svm算法识别手写数字
svm算法是一种使用超平面将数据进行分类的算法. 关于mnist数据的解析,读者可以自己从网上下载相应压缩文件,用python自己编写解析代码,由于这里主要研究knn算法,为了图简单,直接使用Kera ...

KNN (K近邻算法) - 识别手写数字

KNN项目实战——手写数字识别

2、数据集介绍

KNN (K近邻算法) - 识别手写数字相关推荐

最新文章

热门文章