机器学习实战代码清单2-6注释

手写数字识别系统的测试代码

def handwritingClassTest():
         hwLabels=[]
         trainingFileList=listdir('trainingDigits')#将trainingDigits目录中的文件内容存储在训练列表"trainingFileList"中
         m=len(trainingFileList)#得到目录中有多少文件，并将其存储在变量m中
         trainingMat=zeros((m,1024))#创建一个m行1024列的训练矩阵，该矩阵的每行数据存储一个图像
         for i in range(m):
                  fileNameStr=trainingFileList[i]#依次获取每个文件的名字
                  fileStr=fileNameStr.split('.')[0]#将文件名分割成两部分并只取第一部分。第二部分是后缀格式，我们不需要它
                  classNumStr=int(fileStr.split('_')[0])#获取类名（1-9）
                  hwLabels.append(classNumStr)#将类名依次添加到hwLabels里面
                  trainingMat[i,:]=img2vector('trainingDigits/%s'%fileNameStr)#打开目录中的每一个文件并添加到trainingMat这个矩阵中去
         #print trainingMat
         #下面对testDIGITS执行类似的操作
         testFileList=listdir('testDigits')#将testDigits目录中的文件内容存储在测试列表"testFileList"中   
         errorCount=0.0
         mTest=len(testFileList)#得到目录中有多少文件，并将其存储在变量mTest中
         for i in range(mTest):
                  fileNameStr=testFileList[i]#依次获取每个文件的名字
                  fileStr=fileNameStr.split('.')[0]
                  classNumStr=int(fileStr.split('_')[0])
                  vectorUnderTest=img2vector('testDigits/%s'%fileNameStr)#这里和上面不同之处在于没有将读取的文件载入到矩阵中，而是要利用分类器进行测试，继续向下看
                  classifierResult=classify0(vectorUnderTest,trainingMat,hwLabels,3)#调用分类器进行测试
                  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))