ML基础-k近邻算法-3

手写识别系统

步骤

  1. 收集数据:提供文本文件。
  2. 准备数据:编写函数classify0() ,将图像格式转换为分类器使用的list格式。
  3. 分析数据:在Python命令提示符中检查数据,确保它符合要求。
  4. 训练算法:此步骤不适用于k近邻算法。
  5. 测试算法:编写函数使用提供的部分数据集作为测试样本,测试样本与非测试样本的区别在于测试样本是已经完成分类的数据,如果预测分类与实际类别不同,则标记为一个错误。
  6. 使用算法

准备数据:将图像转换为测试向量

#将32*32的二进制图像矩阵转换为1024向量
def img2vector(filename):
    returnVect = zeros((1, 1024))#创建1*1024的图像数组
    fr = open(filename)#打开文件
    for i in range(32):
        lineStr = fr.readline()
        for j in range(32):
            returnVect[0, 32 * i + j] = int(lineStr[j])#将每行的32个字符存入数组
    return returnVect

测试数据

def handwritingClassTest():
    hwLabels = []
    trainingFileList = listdir('trainingDigits')
    m = len(trainingFileList)
    # 这个矩阵m行(m个文件,1024列每一行都是这个数字的字节码组成的数组)
    trainingMat = zeros((m, 1024))
    for i in range(m):
        filenameStr = trainingFileList[i]  # 文件名.后缀
        fileStr = filenameStr.split('.')[0]  # 文件名
        classNumStr = int(fileStr.split("_")[0])  # 文件名是4_5.txt ,所以取得的数字
        hwLabels.append(classNumStr)  # 得到的数据
        #
        trainingMat[i, :] = img2vector('trainingDigits/%s' % filenameStr)
    testFileList = listdir('testDigits')
    errorCount = 0.0
    mTest = len(testFileList)
    for i in range(mTest):
        filenameStr = testFileList[i]
        fileStr = filenameStr.split('.')[0]  # 文件名
        classNumStr = int(fileStr.split("_")[0])  # 文件名是4_5.txt ,所以取得的数字
        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)))

Python函数记录

  • zeros
    这个函数之前已经记录过了,现在再复习一下。
#[[0. 0. 0. 0.]]  14列
returnVect=zeros((1,4))
# 23列
#[[0. 0. 0.]
# [0. 0. 0.]]
returnVect=zeros((2,3))
print(returnVect)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值