其实KNN这章用不着分成三部分的……
=======================================
手写数字识别系统
这是将之前的KNN用来检测手写数字数据集
数据集来源:《机器学习实战》数据集及源代码
下面是书中代码:
def img2vector(filename):
returnVec=zeros((1,1024))
#该例中的数据集图像大小为32*32;
#将图像存储在一个1*1024数组中
fr=open(filename)
for i in range(32):
lineStr=fr.readline()
for j in range(32):
returnVec[0,32*i+j]=int(lineStr[j])
#每一个字符值的读,0代表是第一行(只有1行)。
return returnVec
def handwritingClassTest():
hwLabels=[]
trainingFileList=os.listdir('trainingDigits')
#os.listdir获取目录内容
m=len(trainingFileList)
#m是目录内文件个数
trainingMat=zeros((m,1024))
for i in range(m):
fileNameStr=trainingFileList[i]
fileStr=fileNameStr.split('.')[0]
#按照'.'分开,只获取文件名
classNumStr=int(fileStr.split('_')[0])
#这个数据集文件的命名方式有关
hwLabels.append(classNumStr)
#训练集的类别标签
trainingMat[i,:]=img2vector('trainingDigits/%s'%fileNameStr)
#按照顺序逐个读取文件
testFileList=os.listdir('testDigits')
errorCount=0
mTest=len(testFileList)
for i in range(mTest):
fileNameStr=testFileList[i]
fileStr=fileNameStr.split('.')[0]
classNumStr=int(fileStr.split('_')[0])
vectorUnderTest=img2vector('testDigits/%s'%fileNameStr)
classifierResult=classify(vectorUnderTest,trainingMat,hwLabels,3)
print("the classifier came back with:%d, the real answer is %d" %(classifierResult,classNumStr))
if(classifierResult!=classNumStr):errorCount+=1.0
print("the total number of error is: %d" %(errorCount))
print("the total error rate is: %f" %(errorCount/float(mTest)))
数据集中,图像为32*32大小的二维数组,用0、1表示
img2vector函数将二维数组转换成1*1024的数组。
handwritingClassTest函数使用之前的KNN实现分类功能。
不同在于,listdir使用了os.listdir替换
结果片段: