tensorflow 学习专栏（五）：在mnist数据集上使用tensorflow实现临近算法（Nearest-Neighbor）进行手写数字识别

实现最临近算法的具体步骤如下:

1.为了判断未知实列的类别，选取已知类别的实例作为参考（如图所示：Xu点为未知类别的点）；

2.选择参数K（在本实验中K=所有已知实列点的数目，即将所有已知种类的数据用作参考数据）；

3.计算未知实例点与所有已知实例点的距离distance；

4.将到该未知点距离最近的点的类别作为该点的类别；

import tensorflow as tf
import numpy as np
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('./mnist',one_hot=True)                            #导入mnist数据集
Xtr,Ytr = mnist.train.next_batch(5000)                                               #5000个样本作为已知类别的样本
Xte,Yte = mnist.test.next_batch(200)                                                 #200个未知类别的样本

xtr = tf.placeholder(tf.float32,[None,784])                                          #设置占位符放置5000个样本[5000,784]
xte = tf.placeholder(tf.float32,[784])