机器学习-手写数字识别系统

需要两个数据包，里边有许多数字图像，像这样：

数据包

import numpy as np
import operator
from os import listdir

"""分类函数"""
def classfy0(inX, dataSet, labels, k):  # 参数分别为测试样本，训练样本，训练样本标签，近邻个数
    dataSetSize = dataSet.shape[0]  # 返回行列数，0为行，列为1
    diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet  # tile是按照某个方向复制元素，行方向复制四行，列方向复制一行，然后减去每个训练样本值
    sqDiffMat = diffMat ** 2  # 乘方运算
    sqDistances = sqDiffMat.sum(axis=1)  # 轴为1的方向（横向）求和
    distances = sqDistances ** 0.5  # 乘方运算，等同于开根号
    sortedDistIndicies = distances.argsort()  # 返回从小到大排序的索引值（原数组不动）
    classCount = {}  # 字