一、数据准备
我们这里准备的是已经处理好的手写数字图像为32*32的二进制图像。
首先,我们需要将32*32的二进制图像矩阵转化为1*1024的向量,这里我们通过函数img2vector实现。
# 将text文件里面32*32的矩阵转化为1*1024的向量
def img2vector(filename):
returnVector = np.zeros((1, 1024))
fr = open(filename)
for i in range(32):
lineStr = fr.readline()
for j in range(32):
returnVector[0, 32 * i + j] = int(lineStr[j])
return returnVector
我们通过循环矩阵,将矩阵的每一行拼接在一起,得到一个1*1024的向量。每个二进制32*32图像如图所示。
二、数字分类算法
我们通过sklearn包提供的kNN算法直接实现,我需要制作好标签集,并且导入测试数据集。详细操作原理在代码中有注释说明。
# 手写数字分类
def handwritingClassTest():
# hwLabels是training数据集的标签
hwLabels = []
# 通过os的listdir()方法将所指定的文件夹内的所有文件名字作为一个列表返回
trainingFileList = listdir('Include/trainingDigits')
# 用m作为training数据集的个数
m = len(trainingFileList)
# 设置一个m行1024列的零矩阵
trainingMat = np.zeros((m, 1024))
# 将返回回来的文件名列表取第一个字符组成hwLabels标签集
for i in range(m):
# 取列表第一个元素
fileNameStr = trainingFileList[i]
# 取第一个字符
classNumber = int(fileNameStr.split('_')[0])
# 加入到hwLabels列表中
hwLabels.append(classNumber)
#将每个数字返回来的1*1024列表存入trainingMat矩阵中
trainingMat[i, :] = img2vector('Include/trainingDigits/%s' % (fileNameStr))
# 构建kNN分类器neigh,n_neighbors为节点数(默认为5),algorithm为算法(默认为auto)
neigh = kNN(n_neighbors=3, algorithm='auto')
# 将数据导入分类器neigh
neigh.fit(trainingMat, hwLabels)
# 跟之前一样将测试集导入进来
testFileList = listdir('Include/testDigits')
# 设置一个计数器,统计错误分类个数。
errorCount = 0.0
# 得到测试集的长度大小
mTest = len(testFileList)
# 用count记录分类错误的几个数字
count=[]
for i in range(mTest):
fileNameStr = testFileList[i]
# 制作测试集的标签集
classNumber = int(fileNameStr.split('_')[0])
vectorUnderTest = img2vector('Include/testDigits/%s' % (fileNameStr))
# 使用模型对测试集分类
classifierResult = neigh.predict(vectorUnderTest)
print("分类结果为:{}\t真实结果为{}".format(classifierResult, classNumber))
if (classifierResult != classNumber):
errorCount += 1.0
count.append(i)
print("总共错了{}个数据\n错误率为:{}".format(errorCount, errorCount / mTest * 100))
print("识别错误的为:"+count)
三、调用函数实现显示
if __name__ == '__main__':
handwritingClassTest()
这里我们需要提到的是我们在前期需要导入的包,因为涉及到对文件夹文件名字的访问,这里需要导入os包,我们需要用kNN分类器,需要导入listdir包,我们需要对矩阵进行操作我们需要导入numpy和operator包
import sklearn
import numpy as np
import operator
from os import listdir
from sklearn.neighbors import KNeighborsClassifier as kNN
四、分类结果展示
一共只有12个数据分类错误,错误率为1.27%左右。