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 ...

knn分类算法实现手写体数字识别python

knn分类算法实现手写体数字识别python相关推荐

最新文章

热门文章