knn分类算法实现手写体数字识别python
之前写过knn分类算法代码,想把knn用于设别手写体数字,看下正确率。
大概思路:获取图片(可以自己写,我之前有写过黑白图片转文本的代码,也可以网上找,反正数据量大会更好)->转成文本->建立大量的训练数据集->建立好训练数据与类别的关联->测试
注意:训练数据一定要明确给出类别。本次实验手写体数字一共就是10中类别,0-9
获取图片转成文本之前写过,跳过,直接从建立训练数据开始。
首先加载数据,图片保存在文本里,不方便处理,转成数组。这里的32都是保存图片的宽和高(px),按照具体图片大小决定。
之后将所有训练数据存储在一个数组里,一个文本存储在数组的一行里,一共有多少文本,就有多少行,列数是固定的,32*32=1024
上图就是建立了类别和训练数据的联系。
测试数据,用knns算法去给测试数据分类。
单个手写体数字文件识别:
trainarray,labels=traindata()
tfile="1_32.txt"#注意:1是该文本的真实类别,32是该类别第32个数据
tarray=datatoarray("D:/xx/testdata"+tfile)
result=knn(4,tarray,trainarray,labels)
print(result)
批量手写体数字文件识别:
结果:
一共是964个文件,设别错误11个,k为4,可以看出KNN正确率还是可以的。
源码:
from numpy import *
import operator
from os import listdir
def knn(k, testdata, traindata, labels):
traindatasize = traindata.shape[0]
dif = tile(testdata, (traindatasize, 1)) - traindata
sqdif = dif ** 2
sumsqdif = sqdif.sum(axis=1)
distance = sumsqdif ** 0.5
sortdistance = distance.argsort()
count = {}
for i in range(0, k):
vote = labels[sortdistance[i]]
count[vote] = count.get(vote, 0) + 1
sortcount = sorted(count.items(), key=operator.itemgetter(1), reverse=True)
return sortcount[0][0]
from PIL import Image
im=Image.open("C:/xx/xx/3.jpg")
fh=open("C:/xx/xx/3_20.txt","a")
width=im.size[0]
height=im.size[1]
for i in range(0,width):
for j in range(0,height):
cl=im.getpixel((i,j))
clall=cl[0]+cl[1]+cl[2]
if(clall==0):
fh.write("1")
else:
fh.write("0")
fh.write("\n")
fh.close()
def datatoarray(fname):
arr = []
fh = open(fname)
for i in range(0, 32):
thisline = fh.readline()
for j in range(0, 32):
arr.append(int(thisline[j]))
return arr
# 建立一个函数取文件名前缀
def seplabel(fname):
filestr = fname.split(".")[0]
label = int(filestr.split("_")[0])
return label
def traindata():
labels = []
trainfile = listdir("D:/xx/traindata")
num = len(trainfile)
trainarr = zeros((num, 1024))
for i in range(0, num):
thisfname = trainfile[i]
thislabel = seplabel(thisfname)
labels.append(thislabel)
trainarr[i, :] = datatoarray("D:/xx/traindata/" + thisfname)
return trainarr, labels
def datatest():
trainarr, labels = traindata()
testlist = listdir("D:/xx/testdata")
tnum = len(testlist)
count = 0
for i in range(0, tnum):
thistestfile = testlist[i]
reallabel = seplabel(thistestfile)
testarr = datatoarray("D:/xx/" + thistestfile)
rknn = knn(3, testarr, trainarr, labels)
if (rknn != reallabel):
count = count + 1
print("kNN识别的是" + str(rknn) + "错误,真实类别是" + str(reallabel))
print("KNN正确率:" + str((tnum - count) / tnum))
datatest()
'''
#抽某一个测试文件出来进行试验
trainarr,labels=traindata()
testfile=listdir("D:/pythonlianxi/result/traindata")
for i in range(0,len(testfile)):
thisfname=testfile[i]
reallabel=seplabel(thisfname)
testarr[i,:]=datatoarray("D:/pythonlianxi/result/testdata/"+testfile[i])
rknn=knn(4,testarr,trainarr,labels)
print(rknn)
'''
knn分类算法实现手写体数字识别python相关推荐
- 基于KNN算法的手写体数字识别
基于KNN算法的手写体数字识别 KNN分类算法是一种经典的分类算法,属于懒惰学习算法的一种. 1.算法原理 工作原理:存在一个样本数据集合,也称作训练样本集,并且样本集中每个数据都存在标签,即我们知道 ...
- 手写体数字识别(Python+TensorFlow)
注意:该作者博客已迁移至https://buxianshan.xyz 先看结果 在MNIST数据集10000张测试图片上的正确率 测试手写数字图片(20张) 原图 测试结果 源文件下载: CSDN下载 ...
- 【机器学习实验二】k-NN算法—改进约会网站以及手写体数字识别
目录 一.改进约会网站 1.项目背景 2.数据收集 3.在约会网站中使用k-近邻算法的流程 4.代码实现 二.手写体数字识别 1.了解手写体数字识别 2.手写体数字识别思路 3.1.导入模块 3.2. ...
- 课程设计(毕业设计)—基于机器学习KNN算法手写数字识别系统—计算机专业课程设计(毕业设计)
机器学习KNN算法手写数字识别系统 下载本文手写数字识别系统完整的代码和课设报告的链接(或者可以联系博主koukou(壹壹23七2五六98),获取源码和报告):https://download.csd ...
- KNN实现手写数字识别Python
本文章总结了KNN算法字手写数字识别的应用,比较系统的对传统KNN和各种改进的KNN算法进行实现,由于完整的代码量较大(部分代码参考了机器学习实战),不适合全部贴出,但是博主乐于分享,有需要的话可以直 ...
- 基于matlab支持向量机SVM多分类手写体数字识别
此程序为本人模式识别大作业,参考了网上的代码,并进行了一定的修改,希望对大家有所帮助! 此代码主要参考了以下文章: https://blog.csdn.net/Einperson/article/de ...
- 分类 手写体数字识别
分类 手写体数字识别 1.数据集 分离训练集和测试集 2.训练一个二分类器 3.评价分类器的性能 使用交叉验证分类准确率 精准率和召回率 混淆矩阵 精准率和召回率的折衷 ROC 曲线 4.多分类器 5 ...
- python分类算法_用Python实现KNN分类算法
本文实例为大家分享了Python KNN分类算法的具体代码,供大家参考,具体内容如下 KNN分类算法应该算得上是机器学习中最简单的分类算法了,所谓KNN即为K-NearestNeighbor(K个最邻 ...
- 用Python开始机器学习(4:KNN分类算法)
转自: http://blog.csdn.net/lsldd/article/details/41357931 1.KNN分类算法 KNN分类算法(K-Nearest-Neighbors Classi ...
最新文章
- 代码重构中的几个概念
- R语言-包的安装、载入及使用方法
- pyqt 照片打上水印
- leetcode C++ 13. 罗马数字转整数 罗马数字包含以下七种字符: I, V, X, L,C,D 和 M。
- MPP 二、Greenplum数据加载
- 天池-街景字符编码识别5-模型训练与验证
- js中数组的操作方法
- 惠普战66拆机加固态_惠普战66测评:想要提高办公效率,惠普是你的品质之选...
- 链接数据库 远程事务的处理方式
- 利用swap()函数来收缩内存
- JAVA计算机毕业设计电商后台管理系统Mybatis+系统+数据库+调试部署
- jsp 网页计数器代码
- 一个管理系统实体联系图
- javascript 代码转换为 typescript 代码
- php获取后缀的文件名,php获取文件名及其后缀方法一览
- OJ 1478 机器翻译
- 中国数字经济投资态势分析及发展前景深度评估报告2022-2028年版
- python自己的手稿四之互动沟通
- [转载]当你的女友改名为玛丽,你怎能送她一首《菩萨蛮》?——台湾诗人余光中! (2013-08-21 20:55:03)
- Kotlin笔记(一)
热门文章
- 音频amr格式怎么转换成mp3?
- vc830l 说明书_数字万用表vc830l视频教程 视频
- JDBC连接MySQL数据库,访问数据库信息完成登录功能——保姆级详细教程(附所有java和jsp源代码)
- 长安大学期末计算机网络历年考题,长安大学计算机05-06年基础A试卷.doc
- 计算机硬件广告语,ASUS电脑广告语
- 求助找不到指定的模块。 (异常来自 HRESULT:0x8007007E)
- Spark 杂记--- 键值对操作RDD
- QQ2006beta2sp3forsp1的下载地址
- 《网页制作与网站建设从入门到精通》版权
- python爬虫爬取《斗破苍穹》小说(入门必备)