机器学习、图像识别数字7

最新推荐文章于 2023-09-03 21:59:13 发布

空山箜篌

最新推荐文章于 2023-09-03 21:59:13 发布

阅读量252

点赞数

分类专栏：图像识别文章标签：机器学习 python

本文链接：https://blog.csdn.net/qq_39131667/article/details/107505279

版权

本文介绍了如何利用Python的sklearn库实现K近邻(KNN)算法进行图像识别，特别针对识别数字7进行了详细讲解，包括算法原理、程序实现及结果分析。

摘要由CSDN通过智能技术生成

参考：https://www.cnblogs.com/WiseAdministrator/articles/11354412.html

sklearn介绍

   Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。
  数据引入：
      1.打包好的数据：sklearn.datasets.load_*
      2.分流下载数据： sklearn.datasets.fetch_*
     3.随机创建数据：sklearn.datasets.make_*
        具体介绍可看  http://www.scikitlearn.com.cn/

K邻近算法

    对于一个训练集，对于一个新的输入实例，在训练集中寻找与该实例最邻近的K个邻近，这K个邻近的多数属于某个类，就把该输入实例分类到这个类中。
    特点：1.精度高（计算距离）、对异常值不敏感、无数据输入假定
               2.空间时间复杂度高
    理解可参考：https://zhuanlan.zhihu.com/p/25994179

程序

  reshape  将数据重新组织。
  random   返回一个随机生成的实数
  random.seed()  随机数生成种子，对于同一个参数，每次生成的随机数相同
  random.shuffle() 将列表元素随机打乱
  sklearn.neighbors.NNeighborsClassifier   构建K最邻近分类器
  knn.fit()  根据特征和分类标签得到分类模型
  knn.score() 计算预测准确率
  scipy 用于数学/科学/工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。
  scipy.ndimage n维图像包

import numpy as np
# bmp 图片后缀
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsClassifier
feature = []
target = []
for i in range(0,10