KNN识别手写数字MNIST

使用sklearn的KNN实现类，neighbors.KNeighborsClassifier，模型精度达到96.7%

数据集可以在线下载，也可以手动下载：

mnist数据集地址：https://www.lanzouw.com/iXDefxnl3fa

import torch, torchvision
from sklearn import neighbors

#加载mnist数据集
train_dataset = torchvision.datasets.MNIST(root='./data/', 
                                           train=True, download=True)
test_dataset = torchvision.datasets.MNIST(root='./data/', 
                                          train=False, download=False)

#获取mnist数据集, 并进行归一化，然后将(28*,28)的图片转成(1, 784)向量
train_data = (train_dataset.data/255).view(-1, 784)
train_label = train_dataset.targets


#加载测试集
test_data = (test_dataset.data/255).view(-1, 784)
test_label = test_dataset.targets

#训练模型
model = neighbors.KNeighborsClassifier(n_neighbors=8)
model.fit(train_data, train_label)

#模型预测
predict = model.predict(test_data)

#使用sklearn的score函数算精度，
acc = model.score(test_data, test_label)
print(acc)