python 手写体数字识别

from os import listdir from numpy import * import time import operator def classify(inputPoint,dataSet,labels,k):     dataSetSize = dataSet.shape[0]     #已知分类的数据集（训练集）的行数     #先tile函数将输入点拓展成与训练集相同维数的矩阵，再计算欧氏距离     diffMat = tile(inputPoint,(dataSetSize,1))-dataSet  #样本与训练集的差值矩阵     sqDiffMat = diffMat ** 2                    #差值矩阵平方     sqDistances = sqDiffMat.sum(axis=1)         #计算每一行上元素的和     distances = sqDistances ** 0.5              #开方得到欧拉距离矩阵     sortedDistIndicies = distances.argsort()    #按distances中元素进行升序排序后得到的对应下标的列表     #选择距离最小的k个点     classCount = {}     for i in range(k):         voteIlabel = labels[ sortedDistIndicies ]         classCount[voteIlabel] = classCount.get(voteIlabel,0)+1     #按classCount字典的第2个元素（即类别出现的次数）从大到小排序     sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1), reverse = True)     return sortedClassCount[0][0] #文本向量化 32x32 -> 1x1024 def img2vecor(filename):     returnVect=[]     fr=open(filename)     for i in range(32):         lineStr=fr.readline()         for j in range(32):             returnVect.append(int(lineStr[j]))     return returnVect #从文件名中解析分类数字 def classnumCut(filename):     fileStr=filename.split('.')[0]     classNumStr=int(fileStr.split('_')[0])     return classNumStr #构建训练集数据向量，及对应分类标签向量 def trainingDataSet(file):     hwLabels=[]     trainingFileList=listdir(file) #获取目录内容     m=len(trainingFileList)     trainingMat=zeros((m,1024))  #获取m维向量的训练集     for i in range(m):         fileNameStr=trainingFileList         hwLabels.append(classnumCut(fileNameStr))         trainingMat[i,:]=img2vecor(file+'/%s' % fileNameStr)     return hwLabels,trainingMat def handwritingTest(file):     hwLabels,trainingMat = trainingDataSet('/root/python_test/data/data/trainingDigits')    #构建训练集     testFileList = listdir(file)        #获取测试集     errorCount = 0.0                            #错误数     mTest = len(testFileList)                   #测试集总样本数     t1 = time.time()     for i in range(mTest):         fileNameStr = testFileList         classNumStr = classnumCut(fileNameStr)         vectorUnderTest=img2vecor(file+'/%s' % fileNameStr)         classifierResult =classify(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 tests is: %d" % mTest)               #输出测试总样本数         print ("the total number of errors is: %d" % errorCount)           #输出测试错误样本数         print("the total error rate is: %f" % (errorCount/float(mTest)))  #输出错误率     t2 = time.time()     print("Cost time: %.2fmin, %.4fs."%((t2-t1)//60,(t2-t1)%60) )     #测试耗时 if __name__ == "__main__":     handwritingTest('/root/python_test/data/data/testDigits') ---------------------  作者：wx_411180165  来源：CSDN  原文：https://blog.csdn.net/qq_24726509/article/details/84923274  版权声明：本文为博主原创文章，转载请附上博文链接！