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()