《机器学习实战二》K近邻学习之手写数字识别及检测识别错误率

karmalk

于 2017-12-13 20:07:04 发布

阅读量1.3k

点赞数

分类专栏： python机器学习之路文章标签：机器学习 knn 手写数字识别

本文链接：https://blog.csdn.net/karmacode/article/details/78796201

版权

本文介绍了使用K近邻（KNN）算法实现手写数字识别的过程，包括数据收集、准备、分析、训练、测试和算法使用。作者提到通过将jpg格式的手写数字图像转换为txt格式，以获取灰度值并进行识别。虽然没有详细展示分类器代码，但提供了链接参考。最后，作者计划学习OpenCV来进一步优化图像处理。

摘要由CSDN通过智能技术生成

使用k-近邻的手写识别系统算法实现步骤

收集数据
准备数据
分析数据
训练数据
测试算法
使用算法

首先还是按照书上的例子，将训练集和测试集下载到本地，
此次只是为了测试之前写的识别器的错误率，并没有实际对手写字体进行识别，不过看了学长的博客，也算是把识别的代码写了一些，把jpg格式的手写数字转换为txt格式的，其实就是求出图像相应灰度值，然后写上对应的asscii_char 01数字如图
这里写图片描述

87的由于写的比较细，看起来效果不是太好

下面第一步（我没有添加到之前写的knn.py文件中，直接在jupyter交互环境下写的）

#手写数字识别系统的测试代码
from numpy import *
import knn
import operator
from os import listdir
filename2 = "数据集/trainingDigits"
testDigitFile = "数据集/testDigits"
import time



def img2vector(filename2):
    returnVect = zeros((1,1024))