K-近邻：手写字识别

思路：
手写字图像为32*32个数字组成的，每个图像就是一个txt文件。
运用os模块下的listdir()获取目录下的文件名称，如0_13.txt，0即为图像类别，遍历文件目录，获取图像类别保存到一个列表，再将所有图像保存到一个列表（图像由二维（32*32）转换为一维（1*1024））。
用相同方法获取另一个文件目录下的txt，组成一个列表作为测试集。此时k-近邻算法函数的4个参数就都有了，利用函数就可以算出此算法的错误率

代码：

import numpy as np
from os import listdir
import operator

#获取与原数据差值最小的k个数据所在的类别的个数，个数最多的作为它的特征
def classify0(inX, dataSet, labels , k): #四个参数分别为用于分类的输入变量，输入的样本训练集，特征向量，k近邻的k值
    dataSetSize = dataSet.shape[0] # 判断二维数组的行数，也就是标签/样本的个数
    diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet #tile（[0,0],(4,1)）创建二维数组，[[0, 0],[0, 0],[0, 0],[0, 0]],减去原数组，获取差值
    sqDiffMat = diffMat**2 #差值为矩阵，矩阵*矩阵,对应元素相乘
    sqDistance = sqDiffMat.sum(axis=1)#将一个矩阵的每一行元素相加
    distance = sqDistance**0.5 #[ 1.48660687  1.41421356  0.          0.1       ]
    sortedDistIndicies= sqDistance.argsort()#argsort()返回从小到大的索引值 [2 3 1 0]
    classCount = {}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 #classCount中如果有voteIlabel就+1，初始值为1（因为后边+1）。
    sortedClassCount = sorted(classCount.items(),key = operator.itemgetter(1), reverse = True) #降序排列，key用来提取用于比较的值
    return sortedClassCount[0][0]

#文件是以32*32个数字来表示0-9的一个数字，通过这个方法来将32*32转化为1*1024,即一行就是一个图像
def img2vector(filename):
    returnVect = np.zeros((1,1024)) # 初始化数组为1*1024（32*32）
    fr = open(filename)
    for i in range(32):#按行读取
        lineStr = fr.readline()
        for j in range(32):
            returnVect[0, 32*i+j] = int(lineStr[j])
    return returnVect

def handwritingClassTest():
    hwLabels = []
    trainingFileList = listdir('trainingDigits') #listdir()获取文件目录下的文件名称，存入到列表中
    m = len(trainingFileList)
    trainingMat = np.zeros((m,1024))#初始化数据集
    for i in range(m):
        fileNameStr = trainingFileList[i] #文件名如0_13.txt  先用'.'分割出文件名，再用'_'分割出'0'，代表类别
        fileStr = fileNameStr.split('.')[0]
        classNumStr = int(fileStr.split('_')[0])
        hwLabels.append(classNumStr) #将类别存入列表
        trainingMat[i, :] = img2vector('trainingDigits/%s'%fileNameStr) #调用img2vector()将 图像转换成一行数据（列表）
    testFileList = listdir('testDigits') #testDigits为测试集，trainingDigits为样本集
    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('testDigits/%s' % fileNameStr)
        classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3) #调用k近邻的算法函数
        print("the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr))
        if (classifierResult != classNumStr):
            errorCount += 1.0
    print("the total number of errors is: %d" % errorCount)
    print("the total error rate is %f" % (errorCount/float(mTest)))

handwritingClassTest()    

数据文件链接：http://pan.baidu.com/s/1hrX2Hww 密码：juiu