看了上一篇内容之后,相信对K近邻算法有了一个清晰的认识,今天的内容——手写数字识别是对上一篇内容的延续,这里也是为了自己能更熟练的掌握k-NN算法。

我们有大约2000个训练样本和1000个左右测试样本,训练样本所在的文件夹是trainingDigits,测试样本所在的文件夹是testDigits。文本文件中是0~9的数字,但是是用二值图表示出来的,如图。我们要做的就是使用训练样本训练模型,并用测试样本来检测模型的性能。

首先,我们需要将文本文件中的内容转化为向量,因为图片大小是32*32,所以我们可以将其转化为1*1024的向量。具体代码实现如下:

def img2vector(filename):

imgVec = zeros((1,1024))

file = open(filename)

for i in range(32):

lines = file.readline()

for j in range(32):

imgVec[0,32*i+j] = lines[j]

return imgVec

实现了图片到向量的转化之后,我们就可以对测试文件中的内容进行识别了。这里的识别我们可以使用上一篇中的自定义函数classify0,这个函数的第一个参数是测试向量,第二个参数是训练数据集,第三个参数是训练集的标签。所以,我们首先需要将训练数据集转化为(1934*1024)的矩阵,1934这里是训练集的组数即trainingDigits目录下的文件数,其对应的标签转化为(1*1934)的向量。之后要编写的代码就是对测试数据集中的每个文本文件进行识别,也就是需要将每个文件都转化成一个(1*1024)的向量,再传入classify0函数的第一个形参。整体代码如下:

def handWriteNumClassTest():

NumLabels = []

TrainingDirfile = listdir(r'D:\ipython\num_recognize\trainingDigits')#文件目录

L = len(TrainingDirfile) #该目录中有多少文件

TrainMat = zeros((L,1024))

for i in range(L):

file_n = TrainingDirfile[i]

fileName = file_n.split('.')[0]

ClassName = int(file_n.split('_')[0])

NumLabels.append(ClassName)

TrainMat[i,:] = img2vector(r'D:\ipython\num_recognize\trainingDigits\%s'%file_n)

TestfileDir = listdir(r'D:\ipython\num_recognize\testDigits')

error_cnt = 0.0

M = len(TestfileDir)

for j in range(M):

Testfile = TestfileDir[j]

TestfileName = Testfile.split('.')[0]

TestClassName = int(Testfile.split('_')[0])

TestVector = img2vector(r'D:\ipython\num_recognize\testDigits\%s'%Testfile)

result = classify0(TestVector,TrainMat,NumLabels,3)

print('the result is %d,the real answer is %d\n'%(result,TestClassName))

if result!=TestClassName:

error_cnt+=1

print('the total num of errors is %f\n'%error_cnt)

print('the error rate is %f\n'%(error_cnt/float(M)))

这里需要首先导入listdir方法,from os import listdir,它可以列出给定目录的文件名。对于测试的每个文件,如果识别的分类结果跟真实结果不一样,则错误数+1,最终用错误数/测试总数 来表示该模型的性能。下面给出结果

这里测试的总共946个项目中,一共有10个出现了错误,出错率为1%,这个性能还是可以接受的。有了上一篇内容的理解,这篇就简单多了吧!

训练数据集和测试集文件下载

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

python手写数字识别实验报告_机器学习python实战之手写数字识别相关推荐

  1. 基于python的手写数字识别实验报告_联机手写数字识别实验报告

    1 联机手写数字识别设计 一.设计论述 模式识别是六十年代初迅速发展起来的一门学科. 由于它研究的是如何用机 器来实现人 ( 及某些动物 ) 对事物的学习. 识别和判断能力, 因而受到了很多科技 领域 ...

  2. python数据分析实验报告_用Python处理实验数据

    开篇语 近来忙于考试以及应付专业课,基本很少写简书了.昨晚攻坚了三个学生工作的任务(妈妈的吻.好久没有这么疯狂工作了.还是很爽的哦!) 只恨这张图没有标记时间,其实已经是十二点四十多了 今天难得清静, ...

  3. python图书馆管理系统实验报告_基于Python的图书馆业务报表自动生成研究

    龙源期刊网 http://www.qikan.com.cn 基于 Python 的图书馆业务报表自动生成研 究 作者:辛海滨 来源:<电脑知识与技术> 2016 年第 27 期 摘要:针对 ...

  4. python链表和树实验报告_关于Python实现树结构和链表结构的一点想法

    关于Python实现树结构和链表结构的一点想法 Python由于内置的数据结构具有很高的灵活性,所以可以用很多种方式来构建树.图.链表等结构 1. 树的Python实现 python自然可以使用cla ...

  5. python投掷骰子实验报告_用Python来掷个色子玩~

    掷色子的问题总会出现在概率课本中,老师们都喜欢拿这个耳熟能详的事件来举例子,但今天我们不讲概率,我们来用Python模拟掷色子. 用random模块我们可以轻易地模拟输出点数(一般我们取的这个点数是色 ...

  6. python爬虫豆瓣评论实验报告_用python实现豆瓣短评通用爬虫(登录、爬取、可视化分析)...

    原创技术公众号:bigsai 前言 在本人上的一门课中,老师对每个小组有个任务要求,介绍和完成一个小模块.工具知识的使用.然而我所在的组刚好遇到的是python爬虫的小课题. 心想这不是很简单嘛,搞啥 ...

  7. python通信原理实验报告_【Python之旅】第五篇(一):Python Socket通信原理-阿里云开发者社区...

    只要和网络服务涉及的,就离不开Socket以及Socket编程,下面就说说Python Socket通信的基本原理. 1.Socket socket也称作"套接字",用于描述IP地 ...

  8. python数据分析实验报告_使用 Python 3 进行气象数据分析

    项目简介 :本实验将对意大利北部沿海地区的气象数据进行分析与可视化.我们在实验过程中先会运用 Python 中 matplotlib 库的对数据进行图表化处理,最终在图表分析的支持下得出我们的结论. ...

  9. python图书馆管理系统实验报告_基于python图书馆管理系统设计实例详解

    写完这个项目后,导师说这个你完全可以当作毕业项目使用了,写的很全,很多的都设计考虑周全,但我的脚步绝不止于现在,我想要的是星辰大海!与君共勉! 这个项目不是我的作业, 只是无意中被拉进来了,然后就承担 ...

最新文章

  1. jQuery 判断元素是否在屏幕可见区域内
  2. 《技术的潜能:商业颠覆、创新与执行》一一2.12决心、愿望和耐力
  3. 验证邮箱是否合法php,验证邮箱是否合法
  4. 画质与性能双重加持,Unity超越游戏的“炫技”
  5. Java中间MD5加密算法完整版
  6. Cadence Allegro学习之PCB封装库的导出
  7. 【jiasuba】教你快速更改系统图标大小
  8. 免费https ssl证书freessl.org的申请及配置
  9. C++ auto类型说明符如for(atuo x : s)
  10. Android学生信息管理系统
  11. xamp:在shell中运行mysql
  12. 标识符---概述及组成规则
  13. 用docker快速搭建flarum论坛
  14. 解决CSDN上传MD文件不能显示照片
  15. linux使用sts4,视听说sts4-4
  16. 机器学习中在线学习、批量学习、迁移学习、主动学习的区别
  17. 伐木工和森林的故事(一)
  18. 功能测试(黑盒测试)
  19. github push 代码出现fatal: Authentication failed for ‘https://github.com/xxx/xxx.git/‘
  20. 技术内幕 | StarRocks Community Champion、阿里云技术专家解读 Optimizer 实现

热门文章

  1. DFA和NFA的区别
  2. appium+python自动化98-非select弹出选择框定位解决
  3. 《企业迁云实战》——2.4 云端实践
  4. 你那不是拖延症,只是习惯性逃避
  5. Aptana 添加jQuery提示
  6. 用友u8数据库表结构
  7. 基于jquery.fixedheadertable 表格插件左侧固定 对齐
  8. 【译】ASP.NET MVC 5 教程 - 4:添加模型
  9. 开源的无客户端桌面远程网关 Apache Guacamole 被曝多个严重漏洞,可导致 RCE
  10. PPP 守护进程 RCE 漏洞已存在17年,可控制几乎所有的 Linux 系统