kNN算法的一个简单的例子是手写体识别,问题的关键在于如何将数据转化为需要的格式,还有如何从文件名中解析出图像所在的分类。解决这两个问题之后就可以应用kNN算法进行识别了。
图像的数据是以32*32二进制矩阵的形式在文本中存放着(如图1所示),首先我们要的是把这些文本中的数据存放到数组中,这里做法是创建一个1*1024的数组,逐行读取文件的前32行的前32个字符,并将其存于数组中,到这里准备数据的工作就完成了。实现代码如下:
def img2vector(filename):
returnVect = zeros((1,1024))
fr = open(filename)
for i in range(32):
lineStr = fr.readline()
for j in range(32):
returnVect[0,32*i+j]=int(lineStr[j])
return returnVect
完成了以上的准备工作,接下来我们就可以应用算法了,还需要解决的一个问题就是,解析样本的分类,我们需要读取文件名(如图2所示),然后对文件名用split()函数进行分割,获取样本的分类,然后就可以利用kNN算法对测试集进行分类了,同时还要进行比较统计错误分类的个数,计算错误率。
具体的实现代码如下:
def handwritingClassTest():
hwLabels = []
trainingFileList = listdir('F:\sourcecode\Ch02\digits\\trainingDigits')
m = len(trainingFileList)
trainingMat = zeros((m,1024))#创建一个1*1024的数组
for i in range(m):#训练集
fileNameStr = trainingFileList[i]
fileStr = fileNameStr.split('.')[0]
classNumStr = int(fileStr.split('_')[0])#获取样本分类
hwLabels.append(classNumStr)
trainingMat[i,:] = img2vector('F:\sourcecode\Ch02\digits\\trainingDigits/%s'%fileNameStr)
testFileList = listdir('F:\sourcecode\Ch02\digits\\testDigits')
errorCount = 0.0
mTest = len(testFileList)
for i in range(mTest): #测试集
fileNameStr = testFileList[i]
fileStr = fileNameStr.split('.')[0]
classNumStr = int(fileStr.split('_')[0])
vectorUnderTest = img2vector('F:\sourcecode\Ch02\digits\\testDigits/%s'% fileNameStr)
classifierResult = classify0(vectorUnderTest,trainingMat,hwLabels,3)#对测试集进行分类
print("the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr))
if(classifierResult!=classNumStr):errorCount+=1.0
print("\nthe total number of errors is :%d"% errorCount)
print("\nthe total error rate is :%f" % (errorCount/float(mTest)))
#统计分类错误