import numpy as np
import pandas as pd
train=pd.read_csv("D:\PyCharm_test\keras\\train_data.csv",header=None)
test=pd.read_csv("D:\PyCharm_test\keras\\test_data.csv",header=None)
(train_data,train_labels)=(np.array(train.loc[:,1:]),np.array(train.loc[:,0]))
(test_data,test_labels)=(np.array(test.loc[:,1:]),np.array(test.loc[:,0]))
train_data=np.where(train_data>0,1,0)
test_data=np.where(test_data>0,1,0)
print(test_data.shape[0])
def countXsd(train_data,test_data):
n=0
for test,testlab in zip(test_data,test_labels):
n=n+fenlei(train_labels,np.sum(((train_data-test)*(train_data-test)),axis=1),testlab)
return n
def fenlei(train_labels,test_train,testlab):
t_array=np.vstack((test_train,train_labels))
t_array=t_array[:,t_array[0].argsort()]
# 排序
d=dict(pd.DataFrame(t_array[:,:100]).loc[1].value_counts())
n=max(d, key=d.get)
if n==test
KNN实现识别手写英文字母
最新推荐文章于 2022-05-07 11:08:13 发布
本文介绍了如何使用KNN算法对手写英文字母进行识别,数据集来源于作者之前的博客分享,详细探讨了数据预处理、特征提取及模型训练过程。
摘要由CSDN通过智能技术生成