机器学习笔记(5)---K-近邻算法(3)---KNN手写识别系统

前言

前两篇文章《约会对象魅力程度分类》和《使用sklearn中的KNN算法》已经把KNN算法相关内容介绍完毕，从本节开始再举几个例子加深对KNN的理解。
本节主要记录MLiA中手写识别系统。
转载请注明出处：http://blog.csdn.net/rosetta

KNN手写识别系统

这节内容也是很简单的，不同之处在于原始数据表示方法不同而已。每个样本都是32行*32列=1024大小，所以使用一个1024大小的list存放一个样本。
训练数据trainingDigits目录，共1934个，测试数据testDigits目录，共946个。每个数字大概200个样本，样本的标签通过文件名标识，文件名下划线左边的就是该样本实际的数字，即标签了。
该程序先使用训练数据创建分类算法，然后使用testDigits数据进行测试。
具体细节可对照代码中的注释进行学习，注释已经很详细了。

#以下开始学习2.3节：手写识别系统
#该函数用于读取样本文字到list中。
#因为每个样本都是32行*32列=1024大小。所以这个返回什returnVect就是一个1024大小的list,存放了样本的数据。
def img2vector(filename):
    returnVect = np.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

def img2vector_test():
    testVector = img2vector('testDigits/0_13.txt')
    print(testVector[0, 0:31])

#2.3.2 使用k-近邻算法识别手写数字。
#把2.1和2.2节真正学会了，这节其实是很简单的。不同之处在于原始数据表示方法不同而已。
def handwritingClassTest():
    hwLabels = []
    trainingFileList = listdir('trainingDigits')#获取训练数据文件名列表，一共1934个
    m = len(trainingFileList)#m=1934
    trainingMat = np.zeros((m,1024))#创建1934行，每行1024列。
    for i in range(m):
        fileNameStr = trainingFileList[i]
        fileStr = fileNameStr.split('.')[0]     #take off .txt
        classNumStr = int(fileStr.split('_')[0])#每个样本的标签通过文件名标识，文件名下划线左边的就是该样本实际的数字，所以程序先解析这些数据，把它们存在hwLabels中。
        hwLabels.append(classNumStr)
        trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)#获取训练样本的属性特征。

    #以下开始获取测试样本的属性特征和标签，和上述获取训练数据时是一样的，只不过本实例是一条一条测试，
    #其实可使用sklearn KNN相关算法先把测试样本的属性和标签存下来，然后调用相应接口即可。
    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)))

main中调用的地方：

#以下开始学习2.3节：手写识别系统
#8、2.3.1将图像转换为测试向量。
# img2vector_test()

#9、2.3.2 使用k-近邻算法识别手写数字。
handwritingClassTest()

运行结果如下，错误率大概1%多点。

至此KNN手写识别系统介绍完毕。

如有疑问之处欢迎加我微信交流，共同进步！请备注“CSDN博客”