knn实现手写数字识别

数据集

手写数字识别数据集 其中数据集特征包括

• 1797个样本
• 64个特征
• 特征为8x8的灰度值
• 10个类别为 0 - 9
• 完整数据见Optical Recognition of Handwritten Digits Data Set

样本特征

raw	特征1	特征2	特征3	…	标签
	0	0	10	…	9

该样本8个特征[ 0. 0. 10. 8. 8. 4. 0. 0.]

算法步骤

1. 数据集导入
2. 分析处理数据
3. 训练数据
4. 测试数据
5. 计算模型准确率

数据集导入

这里使用的是sklearn官方的数据集 导入比较简单

from sklearn import datasets
digits = datasets.load_digits()

分析处理数据

将数据集分为训练集与测试集两部分 测试集用于训练生成的模型的准确率 其比例为8:2

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
    digits.data, digits.target, test_size=0.2)

训练数据

使用knn训练数据 knn原理为某个样本在空间中的k个最近的样本中的最多数属于某一个类别

对于knn距离使用欧拉距离

多维度欧拉公式为 d ( p , q ) = ( p 1 − q 1 ) 2 + ( p 2 − q 2 ) 2 + ⋯ + ( p i − q i ) 2 + ⋯ + ( p n − q n ) 2 . \displaystyle d(p,q)={\sqrt {(p_{1}-q_{1})^{2}+(p_{2}-q_{2})^{2}+\cdots +(p_{i}-q_{i})^{2}+\cdots +(p_{n}-q_{n})^{2}}}.