一、步骤
使用k-近邻算法的手写识别系统,步骤:
收集数据:提供为本文件。
准备数据:编写函数classify(),将图像格式转换为分类器使用的list格式。
分析数据:在python命令提示符中检查数据,确保它符合要求。
训练算法:此步骤不适用于k-近邻算法。(适合不知道结果的测试数据的算法)
测试算法:编写函数使用提供的部分数据集作为测试样本,测试样本与非测试样本的区别在于测试样本是已经完成分类的数据,如果预测分类与实际分类不同,则标记为一个错误。
使用算法:从图像中提取数字,并完成数字识别,美国的邮件分拣系统就是一个实际运行的类似系统。
二、代码演示
# coding: utf-8
from numpy import *
import operator
import sys
import matplotlib
import matplotlib.pyplot as plt
from os import listdir
def img2vector( filename ):
''' 准备数据:将图像转换为测试向量 '''
returnVect = zeros( (1, 1024) )
fileNameLabel = filename.split('.')[0].split('_')[0].strip()
fr = open( filename )
for i in range(32):
lineStr = fr.readline()
for j in range(32):
returnVect[0, 32*i + j] = int( lineStr[j] )
return returnVect, fileNameLabel
def classify0( inX, dataSet, labels, k ):
''' 分类器,算出最终结果,欧式距离最短 '''
''' inX 需要预测的目标,dataSet 已有数据集合,labels 标签,k 最短距离个数 '''
# 距离计算
dataSetSize = dataSet.shape[0]
diffMat = tile( inX, (dataSetSize, 1) ) - dataSet
sqDiffMat = diffMat ** 2 # 各个元素平方
# 求欧式距离
sqDistances = sqDiffMat.sum(axis = 1) # 对应行相加,即得到了每一个距离的平方
distances = sqDistances ** 0.5 # 开方
# 获得将开方之后的距离从小到大排序的索引
sortedDistIndicis = distances.argsort()
# 选择距离最小的k个点
classCount = {}
for i in range(k):
voteIlabel = labels[ sortedDistIndicis[i] ]
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
# 排序
sortedClaassCount = sorted(classCount.iteritems(), key = operator.itemgetter(1), reverse = True)
return sortedClaassCount[0][0]
def handwritingClassTest():
''' 手写数字识别系统的测试代码 '''
hwLabels = [] # 标签
trainingFileList = listdir( "trainingDigits2" ) # 读取目录
m = len( trainingFileList ) # 目录下有多少文件
trainingMat = zeros( (m, 1024) ) # 创建存放所有数字图片的数组
# 从文件名中解析分类数据
for i in range(m):
fileNameStr = trainingFileList[i] # 文件名
fileStr = fileNameStr.split('.')[0]
classNumStr = int( fileStr.split('_')[0] )
hwLabels.append( classNumStr ) # 获取当前文件的标签
trainingMat[i, :] = img2vector( "trainingDigits2/%s" % fileNameStr )
testFileList = listdir( "testDigits2" ) # 测试样本
errorCount = 0.0
mTest = len( testFileList )
for i in range( mTest ):
fileNameStr = testFileList[i]
fileStr = fileNameStr.split('.')[0]
classNumStr = int( fileStr.split('_')[0] )
vectorUnderTest = img2vector( "testDigits2/%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 "\n the total number of errors is: %d" % errorCount
print "\n the total error tate is: %f" % ( errorCount / float(mTest) )
print classifierResult
def classifyImage():
# 准备数据:将图像转换为测试向量
fileList = listdir( "trainingDigits2" )
m = len(fileList)
returnVect = zeros( (m, 1024) ) # group
returnLabels = [] #labels
for i in range(m):
returnVect[i, :], label = img2vector( "trainingDigits2/%s" % fileList[i] )
returnLabels.append( label )
# 测试数据
testVect = zeros( (1, 1024) )
fr = open( "test.txt" )
for i in range(32):
lineStr = fr.readline()
for j in range(32):
testVect[0, 32*i + j] = int( lineStr[j] )
classifierResult = classify0( testVect, returnVect, returnLabels, 3 )
print classifierResult.split('/')[1]
def main():
'''
# 处理数据
returnVect = img2vector( "0_0.txt" )
print returnVect[0, 0:32]
'''
'''
# 测试数据
handwritingClassTest()
'''
# 使用算法
classifyImage()
if __name__=="__main__":
main()
三、结果展示
左边是手写的数字图片,右边是运行的结果,刚好对上是8。