15. 使用KNN实现DBRHD数据集的手写识别

import numpy as np
from os import listdir  # 使用listdir模块，用于访问本地文件
from sklearn import neighbors


def img2vector(file_name):
    """
    将加载的32*32的图片矩阵展开成一维向量。
    :param file_name: 文件路径
    :return: retMat: 一维向量
    """
    retMat = np.zeros([1024], int)  # 定义返回的矩阵，大小为1*1024
    fr = open(file_name)  # 打开包含32*32大小的数字文件
    lines = fr.readlines()  # 读取文件的所有行
    for i in range(32):  # 遍历文件所有行
        for j in range(32):  # 并将01数字存放在retMat中
            retMat[i * 32 + j] = lines[i][j]
    return retMat


def read_dataset(path):
    """
    加载训练数据，并将样本标签转化为one-hot向量
    :param path: 文件夹路径
    :return: data_set, hw_labels: 训练数据, 标签数据
    """
    file_list = listdir(path)  # 获取文件夹下的所有文件
    num_files = len(file_list)  # 统计需要读取的文件的数目
    data_set = np.zeros([num_files, 1024], int)  # 用于存放所有的数字文件
    hw_labels = np.zeros([num_files, 10])  # 用于存放对应的one-hot标签
    for file in range(num_files):  # 遍历所有的文件
        file_path = file_list[file]  # 获取文件名称/路径
        digit = int(file_path.split('_')[0])  # 通过文件名获取标签
        hw_labels[file][digit] = 1.0  # 将对应的one-hot标签置1
        data_set[file] = img2vector(path + '/' + file_path)  # 读取文件内容
    return data_set, hw_labels


if __name__ == "__main__":
    '''加载训练数据'''
    train_dataSet, train_hwLabels = read_dataset('Data/digits/trainingDigits')
    '''构建KNN分类器'''
    # KNN是一种懒惰学习法，没有学习过程，只在预测时去查找最近邻的点，数据集的输入就是构建分类器的过程。
    knn = neighbors.KNeighborsClassifier(algorithm='kd_tree', n_neighbors=3)
    knn.fit(train_dataSet, train_hwLabels)

    '''加载测试数据'''
    data_set, hw_labels = read_dataset('Data/digits/testDigits')

    res = knn.predict(data_set)  # 对测试集进行预测
    error_num = np.sum(res != hw_labels)  # 统计分类错误的数目
    num = len(data_set)  # 测试集的数目
    print("Total num:", num, " Wrong num:",
          error_num, "  WrongRate:", error_num / float(num))