第二章 K-近邻算法及手写识别系统

Dr_David_S

于 2016-12-10 11:14:07 发布

阅读量620

点赞数 1

分类专栏：大数据入门文章标签： python 机器学习

本文链接：https://blog.csdn.net/qq_27469517/article/details/53556562

版权

本文介绍了一个手写数字识别系统的构建过程，利用K-近邻（K-NN）算法进行分类。训练数据包含约2000个例子，需要将32x32的图像转化为1x1024的向量。作者实现了`img2vector`函数以完成图像到向量的转换，并提及K-NN算法在实际运行中效率不高，后续会讨论更高效的k决策树算法。此外，还介绍了Python中使用time()函数进行计时的方法。

摘要由CSDN通过智能技术生成

这一节主要是手写识别数字系统的搭建。实际训练数据在 trainingDigits 里面，大约2000个例子。

为了使用之前 2.2 的分类器，要把图像格式化处理为一个向量，32*32 变成 1* 1024。

首先写一个 img2vector 函数，打开给定文件，循环读出前32行，然后把每行的头32个字符存在 NumPy 数组里面，最后返回数组。

这个片段加在之前 kNN.py 里面。

def img2vector(filename):
    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])
    return returnVect

然后写测试代码：