3、k-近邻之识别手写算法

需求分析

我们使用k-近邻分类器来构造手写识别系统，下面是要识别的图像格式，尽管采用文本格式存储图像不能有效的利用内存空间，但是为了方便，我们还是将图像转换为文本格式。

以下图片肉眼观察大概是3

准备数据

本系列所有的代码和试验数据都可以在这里找到。

代码详解

from numpy import *
import operator
from os import listdir
import time
def classify0(inX,dataSet,labels,k):
    # dataSet.shape[0] = 4 ,dataSet.shape[1] = 2 表示4行2列矩阵
    dataSetSize = dataSet.shape[0]
    # tile()用来对数组进行复制，inX表示要复制的数组， 第一个参数 dataSetSize 表示要在行方向复制4次 列方向1次
    diffMat = tile(inX,(dataSetSize,1)) - dataSet
        #print (tile(inX,(dataSetSize,1)))
    sqDiffMat = diffMat ** 2 # 求平方，可以直接操作数组，相对应的数字分别平方
    #print(sqDiffMat)
    # 如果axis=0，则沿着纵轴进行操作；axis=1，则沿着横轴进行操作
    # 如果是多维 设axis=i，则numpy沿着第i个下标变化的放下进行操作
    sqDistance = sqDiffMat.sum(axis=1)
    # 对结果进行开平方
    distances = sqDistance**0.5
    # argsort函数返回的是数组值从小到大的索引值
    sortDistance = distances.argsort()
    classCount = { }
    for i in range(k):
        voteIlabel = labels[sortDistance[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    # sorted 可以对所有可迭代的对象进行排序操作 且返回的是一个新的list
    # iterable --可迭代对象 key--用来比较的元素，只有一个参数，参数就是可迭代对象中的一个元素来排序 True--降序
    # operator.itemgetter(1) 获取域中的第二个值
    sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]

# 将32*32 格式的数据转化为 1*1024格式来存储 并返回矩阵
def img2vector (filename):
    # 创建一个一行 1024列的矩阵
    returnVect = zeros((1,1024))
    fr = open(filename)
    for i in range(32):
        lineStr = fr.readline()
        for j in range(32):
            returnVect[0,32*i+j] = int(lineStr[j]) # 依次将源文件中32*32 的数据转化为1*1024 格式来存储
    return returnVect
#函数运行耗时统计函数
def time_me(fn):
  def _wrapper(*args, **kwargs):
    start = time.clock()
    fn(*args, **kwargs)
    print ("\n%s cost %s second"%(fn.__name__, time.clock() - start))
  return _wrapper
@time_me
def handwritingClassTest():
    hwLabels = []
    # 加载训练数据
    trainingFileList = listdir('trainingDigits')
    # 统计目录中文件个数
    m = len(trainingFileList)
    # 创建一个 m行 1024列的矩阵 以0元素填充
    trainingMat = zeros((m,1024))
    # 文件全部以i_j的格式存储，i表示文件中存储的数字为i,j表示文件序号。
    for i in range(m):
        fileNameStr = trainingFileList[i] # 若 fileNameStr = 0_0.txt
        fileStr = fileNameStr.split('.')[0]     #fileStr = 0_0
        classNumStr = int(fileStr.split('_')[0]) # classNumStr = 0
        hwLabels.append(classNumStr)
        # 通过调用img2vector方法，将文件 转化为一行 让后添加到矩阵中
        trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)
    testFileList = listdir('testDigits')
    errorCount = 0.0
    mTest = len(testFileList)
    for i in range(mTest): # 操作测试数据
        fileNameStr = testFileList[i]
        fileStr = fileNameStr.split('.')[0]
        classNumStr = int(fileStr.split('_')[0])
        vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)
        classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)
        print ("the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr))
        if (classifierResult != classNumStr): errorCount += 1.0
    print ("\nthe total number of errors is: %d" % errorCount)
    print( "\nthe total error rate is: %f" % (errorCount/float(mTest)))

handwritingClassTest()

结果展示