kNN算法：手写识别系统

一、准备数据：将图像转换为测试向量
1.目录trainingDigits中包含大约2000个例子，每个例子如下图所示，，每个数字大约有200个样本；目录testDigits中包含了大约900个测试数据。使用目录trainingDigits中的数据训练分类器，使用目录testDigits中的数据测试分类器的效果；


2.为了使用之前例子的分类器，必须将图像格式化处理为一个向量。我们将把一个32x32的二进制图像矩阵转换为1x1024的向量，这样之前的分类器就可以处理数字图像信息了。首先编写函数img2vector，将图像转换为向量：该函数创建1x1024的NumPy数组，然后打开给定的文件，循环读出文件的前32行，并将每行的头32个字符值存储在Numpy数组中，最后返回数组；

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

3.将代码输入kNN.py文件中，在python命令行输入下列命令测试img2vector函数，然后与文本编辑器打开的文件进行比较：
>>>testVector = kNN.img2vector(‘testDigits/5_56.txt’)
>>>testVector[0,0:31]
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1.,
1., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
>>>testVector[0,32:63]
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1., 1.,
1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])


二、测试算法：使用k-近邻算法识别手写数字
1.自包含函数handwritingClassTest()是测试分类器的代码，将其写入kNN.py文件中，但是必须先确保from os import listdir写入文件的起始部分，功能是从os模块中导入函数listdir，它可以列出给定目录的文件名；

def handwritingClassTest():
    hwLabels = []
    trainingFileList = listdir('trainingDigits')           #load the training set
    m = len(trainingFileList)
    trainingMat = zeros((m,1024))
    for i in range(m):
        fileNameStr = trainingFileList[i]
        fileStr = fileNameStr.split('.')[0]     #take off .txt
        classNumStr = int(fileStr.split('_')[0])
        hwLabels.append(classNumStr)
        trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)
    testFileList = listdir('testDigits')        #iterate through the test set
    errorCount = 0.0
    mTest = len(testFileList)
    for i in range(mTest):
        fileNameStr = testFileList[i]
        fileStr = fileNameStr.split('.')[0]     #take off .txt
        classNumStr = int(fileStr.split('_')[0])
        vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)
        classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)
        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)))

2.在python命令提示符中输入kNN.handwritingClassTest(),测试函数的输出结果如图所示：

3.可以得出：k-近邻算法识别手写数字数据集，错误率为1.1%，改变变量k的值，修改函数handwritingClassTest随机选取训练样本，改变训练样本的数目，都会对k-近邻算法的错误率产生影响，以观察错误率的变化。