【机器学习】Knn算法实现手写数字识别

本文详细介绍了如何使用Knn算法进行手写数字识别。通过结合数据集,展示了从数据预处理到模型训练的完整过程,旨在帮助读者理解Knn在实际应用中的操作步骤。
摘要由CSDN通过智能技术生成
from numpy import *
import os
import time

 #inputX表示输入向量
 #dataSet表示训练样本
 #label表示训练样本的标签
 #k是最近邻的参数,选最近k个
def kNNclassify(inputX, dataSet, labels, k):
     dataSetSize = dataSet.shape[0]#计算有几个训练数据,shape[0]计算出第一维度长度即列数,属于Python中operator模块的内置操作
     #开始计算欧几里得距离
     # 先将待分类项扩展成和数据集一样列数的dataSetSize行矩阵,再作差,得到差值矩阵
     diffMat = tile(inputX, (dataSetSize,1)) - dataSet
     # 差值矩阵平方 (x**2是x的二次方)
     sqDiffMat = diffMat ** 2
     # 计算每一行上元素的和
     sqDistances = sqDiffMat.sum(axis=1)#矩阵每一行向量相加
      # 开方得到欧拉距离矩阵
     distances = sqDistances ** 0.5
     sortedDistance = distances.argsort()
     # 选择距离最小的k个点
     #创建一个字典
     classCount = {}
     for i in range(k):
         #取得第i个近邻的标签
         voteLabel = labels[sortedDistance[i]]
         #get(voteLabel,0)从字典中取键votelabel也就是数字多对应的出现次数若没有则取0然后加1;
         classCount[voteLabel] = classCount.get(voteLabel,0) + 1
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值