使用knn算法解决kaggle手写数字识别问题

通过knn进行分类，解决kaggle手写数字识别问题，准确率达到百分之96.8，由于算法限制，要想进一步提高需要使用cnn

knn主函数，很短的代码就能实现，通过计算inx距离dataSet中所有数据的距离选取最近的k个，然后找到k个中所占最多的类别。

from numpy import *
import operator

def classify0(inx,dataSet,labels,k):
    dataSetSize = dataSet.shape[0]
    #inx初始是1行的数组，通过tile函数进行数组广播，把数组变成行数和dataSet行数相等
    #对应位置相减之后通过平方测量距离
    diffMat = tile(inx,(dataSetSize,1))-dataSet
    sqDiffMat = diffMat ** 2 #平方距离
    sqDistance = sqDiffMat.sum(axis=1)  #axis=0列　axis=1横
    distances = sqDistance ** 0.5  #开根号
    sortedDistances = distances.argsort()  #numpy.argsort() 函数返回的是数组值从小到大的索引值。

    classCount = {
   }
    #依据排序顺序从近到远依次查看ｋ个样例，记录类别和数量
    for i in range (k):
        voteLebel = labels