lalalala97的博客

在本章中，将学习：如何使用变量（Variable）；如何创建描述性变量名以及如何消除名称错误和语法错误；字符串（String）是什么，以及如何使用小写、大写和首字母大写方式显示字符串；使用空白来显示整洁 的输出，以及如何剔除字符串中多余的空白；如何使用整数（integer）和浮点数（float）；一些使用数值数据的方式；如何编写说明性注释，让代码对你和其他人来说更容易理解；了解让代码尽可能简单的理念（ The Zen of Python ）。

在图像分类任务中，通常使用的是三维彩色图像，这种图像包含了红色、绿色和蓝色三个颜色通道。这些通道结合在一起，能够形成我们所看到的彩色图像。每个通道本质上是二维的，包含了图像在行和列方向上的像素信息。当这些通道被堆叠在一起时，我们就得到了一个三维数组来表示整个彩色图像。通过模型读取并计算图像属于多个预定义的类别的概率。具体来说，图像分类任务就是预测一个给定的图像包含了哪个分类标签（或者说是给出属于一系列不同标签的可能性）。

阐释KNN算法在图像分类中应用的基础和扩展上做得非常详细，清晰地展示了从理论到实际应用的整个过程，包括预处理、数据集的处理以及算法的实现和验证。

K—最近邻近算法（K- Nearest Neighbor, KNN）