机器学习(八)-基于KNN分类算法的手写识别系统

1 项目介绍

基于k-近邻分类器(KNN)的手写识别系统, 这里构造的系统只能识别数字0到9。

数据集和项目源代码

• 难点： 图形信息如何处理?
  图像转换为文本格式

2 准备数据

将图像转换为测试向量

• 训练集：

  • 目录trainingDigits
  • 大约2000个例子
  • 每个数字大约有200个样本;

• 测试集

  • 目录testDigits
  • 大约900个测试数据。

将图像格式化处理为一个向量。我们将把一个32×32的二进制图像矩阵转换为1×1024的向量, 如下图所示，

import numpy as np
def img2vector(filename):
    """
    # 将图像数据转换为（1，1024）向量
    :param filename: 
    :return: （1，1024）向量
    """
    # 生成一个1*1024且值全为0的向量;
    returnVect = np.zeros((1, 1024))
    # 读取要转换的信息;
    file = open(filename)
    # 依次填充
    # 读取每一行数据;
    for i in range(32):
        lineStr = file.readline()
        # 读取每一列数据;
        for j in range(32):
            returnVect[0, 32 * i + j] = int(lineStr[j])
    return returnVect

3 实施 KNN 算法

对未知类别属性的数据集中