KNN算法识别手写数字

前言：从现在开始博主要开始学习机器学习了，欢迎有共同兴趣的人一起学习。废话不多说了，开始上代码

数据集我用的Kaggle上的数据，下载地址：https://www.kaggle.com/gb00000/keras-cnn-digit/data

由于这是第一篇bolg，所以我没有自己手写KNN算法，用的是 sklearn 库，具体的手写KNN算法我会在下一篇bolg上写。

一、将数据集csv文件导入到python中，并将csv格式转为list格式

def dataset():
    #读取训练集文件路径
    path =  '/trains1.csv'  #(os.path.abspath("../MachineLearningData/kNN/use Python and NumPy/trainingDigits"))
    with open(path,'r',encoding="utf-8") as f:
        reader = csv.reader(f)
        #[row for row in reader]叫做列表解析　根据已有列表，高效创建新列表的方式。　　列表解析是Python迭代机制的一种应用，它常用于实现创建新的列表，因此用在[]中。
        #[row for row in reader] 等价于
        #rows =[]
        #for row in reader:
        #     rows.append(row)
        rows = [row for row in reader]
    #因为第一行是说明，从第二行开始才是数据，所以从第二行开始
    return rows[1:]

二、将返回的list进一步划分成：训练数据集,训练目标数据，测试数据集，测试目标数据

这里我将list进行分割，70%为训练集，30%为测试集

    data = dataset()
    #训练集
    data_train = data[len(data)//3+1:]
    trainingdata = [i[1:] for i in data_train]
    #第0列为目标数据集，获取第0列的数据
    trainingtargetdata = [i[0] for i in data_train]
    #测试集
    data_test = data[:len(data) // 3]
    testdata = [i[1:] for i in data_test]
    testtargetdata = [i[0] for i in data_test]

三、调用 KNeighborsClassifier 方法进行数据预测

#开始训练，这里我设置的K临近值为3
    knn = KNeighborsClassifier(n_neighbors=3)
    # 训练数据
    knn.fit(trainingdata, trainingtargetdata)
    prediction = knn.predict(testdata)
    knn.score(testdata,testtargetdata)
    right=0
    for test,result in zip(testtargetdata,prediction):
        if test == result:
            right += 1
        print('测试数据为:{},预测数据为:{}'.format(test,result))
    print('测试的准确率为->{}%'.format((right/len(testtargetdata))*100))

测试结果：kaggle上一共有好几万条数据，这里我只用了1000条，所以准确率不是那么高。

重新训练了3万条数据的结果，跑了20分钟，准确度比之前高了很多

完整代码：

import os
import numpy as np
import csv

from sklearn import neighbors
from sklearn.neighbors import KNeighborsClassifier
#define one read train.csv  function
def dataset():
    #读取训练集文件路径
    path =  '数据集路径'           #(os.path.abspath("../MachineLearningData/kNN/use Python and NumPy/trainingDigits"))
    with open(path,'r',encoding="utf-8") as f:
        reader = csv.reader(f)

        #列表解析　　根据已有列表，高效创建新列表的方式。　　列表解析是Python迭代机制的一种应用，它常用于实现创建新的列表，因此用在[]中。
        #[row for row in reader] 等价于
        #rows =[]
        #for row in reader:
        #     rows.append(row)
        rows = [row for row in reader]
    return rows[1:]

def main():
    data = dataset()
    #训练集
    data_train = data[len(data)//3+1:]
    trainingdata = [i[1:] for i in data_train]
    trainingtargetdata = [i[0] for i in data_train]
    #测试集
    data_test = data[:len(data) // 3]
    testdata = [i[1:] for i in data_test]
    testtargetdata = [i[0] for i in data_test]

    #开始训练
    knn = KNeighborsClassifier(n_neighbors=3)
    # 训练数据
    knn.fit(trainingdata, trainingtargetdata)
    prediction = knn.predict(testdata)
    knn.score(testdata,testtargetdata)
    right=0
    for test,result in zip(testtargetdata,prediction):
        if test == result:
            right += 1
        print('测试数据为:{},预测数据为:{}'.format(test,result))
    print('测试的准确率为->{}%'.format((right/len(testtargetdata))*100))
if __name__ == '__main__':
    main()