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 Harrington 的<机器学习实战(中文版)>。本文主要是使用书中已经构建好的算法，来解决实际问题。

训练集采用文件 ‘trainingDigits’ 中的2000个样本，都为txt文件格式，每个数字大约含有200个样本，每个样本都为32行*32列。打开其中任意一个文件‘2_33.txt’，如下图所示：

可以明显的看见数字2。且有字体部分为1，空白部分为0。接下来，在纸上随便写一个数字，我写的是数字2，并用手机拍照：

用手机自行剪裁的小一点。

之后，用Photoshop（PS）处理，把图像剪裁成32 * 32像素的的图像。
步骤是：
1.在ps中打开该图像
2.点击上方的‘图像’——>‘图像大小’——>修改图像大小栏中的‘宽度（W）’与‘高度（H）’，再点击确定
就得到了32 * 32像素的的图像。
3.点击‘文件’——>‘储存为’，把当前图像储存好。如下图：

再把此时的图像(命名为‘1.png’)用MATLAB处理，得到test_myself.txt文件，注意应该把该图像导入matlab的当前文件中，否则会显示找不到该文件。

MATLAB代码如下：

i=imread('1.png');
i1=rgb2gray(i);     %i1灰度图像
i2=im2bw(i1);       % i2是二值图，不需要求阈值。但是i2中黑色部分为0，白色部分为1，与 ’2_33.txt‘ 中刚好相反，因此需要倒转
for j=1:32          %把二值化后的矩阵中0变成1，1变成0for k=1:32if i2(j,k)==0i2(j,k)=1elsei2(j,k)=0endend
end
fid=fopen('test_myself.txt','wt');      %写的方式打开文件（若不存在，建立文件）；
fprintf(fid,'%d',i2');                  %d 表示以整数形式写入数据，注意：此时i2是转置的
fclose(fid);                            %关闭文件

如果，i2不转置，则得到的txt文件如下：

注意，此时test_myself.txt文本中，只有一行，即含有1*1024个字符，而不是32行 * 32列。需要修改书中的img2vector()与handwritingClassTest()函数，分别修改为img_myself()与handwritingPerson()函数。

所用到的Python代码及其解释如下：

from numpy import *
import operator
from os import listdirdef classify0(inX, dataSet, labels, k):   #对于该函数的解释，见后面图中dataSetSize = dataSet.shape[0]diffMat = tile(inX, (dataSetSize,1)) - dataSetsqDiffMat = diffMat**2sqDistances = sqDiffMat.sum(axis=1)  #every hang add togetherdistances = sqDistances**0.5sortedDistIndicies = distances.argsort()classCount={}          for i in range(k):voteIlabel = labels[sortedDistIndicies[i]]classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)return sortedClassCount[0][0]def img2vector(filename):          #该函数是针对文本中为32行*32列进行的处理函数，返回一个1*1024的数组returnVect = zeros((1,1024))fr = open(filename)for i in range(32):lineStr = fr.readline()    #读取一行，即32个字符for j in range(32):returnVect[0,32*i+j] = int(lineStr[j])return returnVect##
def img_myself(filename):         #该函数是针对文本中为1*1024进行的处理函数，返回一个1*1024的数组returnVect=zeros((1,1024))fr=open(filename)lineStr=fr.readline()         #读取一行，即1*1024个字符for i in range(1024):returnVect[0,i]=int(lineStr[i])return returnVectdef handwritingPerson(filename):  #filename为待测试的txt文件，本例中为'test_myself.txt'文件hwLabels = []trainingFileList = listdir('trainingDigits')  #储存训练集'trainingDigits'文件夹中所有的文件名到列表trainingFileList中m = len(trainingFileList)trainingMat = zeros((m, 1024))                #每行储存一个图像for i in range(m):fileNameStr = trainingFileList[i]         #第i个文件的文件名储存在fileNameStr中，如‘0_0.txt’fileStr = fileNameStr.split('.')[0]       #把文件名用‘.’分开成两部分，取第一部分，如把‘0_0.txt’分开成‘0_0’与‘txt’两部分，0代表取前一部分classNumStr = int(fileStr.split('_')[0])  #同理，取‘0_0’中前一部分0，并转换为int类型hwLabels.append(classNumStr)              #训练集的标签矩阵trainingMat[i, :] = img2vector('trainingDigits/%s' % fileNameStr)   #打开trainingDigits文件夹下的文件，读取并转化为1*1024的矩阵后，添加到trainingMat的对应行中，组成训练集的矩阵test_myself=img_myself(filename)              #读取filename文件并转化为1*1024的矩阵，组成测试集test_myself_label=classify0(test_myself,trainingMat,hwLabels,5)   #进行训练并测试，把结果放到test_myself_label中print("The test_myself_label is ",test_myself_label)

classify0()函数的解释如下图：

最后检验识别效果：

handwritingPerson('test_myself.txt')

大约运行5秒，得到运行结果：

识别正确！

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）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 ...
四、用简单神经网络识别手写数字（内含代码详解及订正）
本博客主要内容为图书<神经网络与深度学习>和National Taiwan University (NTU)林轩田老师的<Machine Learning>的学习笔记,因此在全 ...
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. ...
【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
k近邻算法概述简单地说,K近邻算法采用测量不同特征值之间的距离方法进行分类. 优点 :精度高.对异常值不敏感.无数据输入假定. 缺点:计算复杂度高.空间复杂度高. 适用数据范围:数值型和标称型. ...
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 ...
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 ( ...
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 ...
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 ...

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）

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）相关推荐

最新文章

热门文章