knn分类算法实现手写体数字识别python

本文介绍了如何使用KNN算法实现手写体数字识别,通过获取图片并转换为训练数据,建立训练集与类别的关联,然后进行测试。实验结果显示,对于964个测试文件,KNN算法识别正确率为98.85%,显示出较好的识别效果。
摘要由CSDN通过智能技术生成

之前写过knn分类算法代码,想把knn用于设别手写体数字,看下正确率。

大概思路:获取图片(可以自己写,我之前有写过黑白图片转文本的代码,也可以网上找,反正数据量大会更好)->转成文本->建立大量的训练数据集->建立好训练数据与类别的关联->测试

注意:训练数据一定要明确给出类别。本次实验手写体数字一共就是10中类别,0-9

获取图片转成文本之前写过,跳过,直接从建立训练数据开始。

首先加载数据,图片保存在文本里,不方便处理,转成数组。这里的32都是保存图片的宽和高(px),按照具体图片大小决定。


之后将所有训练数据存储在一个数组里,一个文本存储在数组的一行里,一共有多少文本,就有多少行,列数是固定的,32*32=1024


上图就是建立了类别和训练数据的联系。

测试数据,用knns算法去给测试数据分类。


单个手写体数字文件识别:

trainarray,labels=traindata

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值