knn手写数字识别 java,《机器学习实战》代码记录--knn--手写数字识别

文件目录及样本数据：

testDigits目录下为测试数据，trainingDigits目录下为训练数据，文件名形如[0-9]_[0-200].txt，即有0至9的各200个左右不同的样本，例如9_9.txt样本内容如下：

问题描述：

对testDigits下的样本进行分类并统计错误率

输出样例：

代码(knn.py):

from numpy import *

import operator

import sys

from numpy import array

import os

def img2vector(filename):

returnVect=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 classify(inX,dataSet,labels,k):

dataSetSize=dataSet.shape[0]

diffMat=tile(inX,(dataSetSize,1))-dataSet

sqDiffMat=diffMat**2

sqDistances=sqDiffMat.sum(axis=1)

distances=sqDistances**0.5

sortedDistIndices=distances.argsort()

classCount={}

for i in range(k):

voteIlabel=labels[sortedDistIndices[i]]

classCount[voteIlabel]=classCount.get(voteIlabel,0)+1

sortedClassCount=sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)

return sortedClassCount[0][0]

def handwritingClassTest():

k=3

hwLabels=[]

trainingFileList=os.listdir('trainingDigits')

m=len(trainingFileList)

trainingMat=zeros((m,1024))

for i in range(m):

fileNameStr=trainingFileList[i]

fileStr=fileNameStr.split('.')[0]

classNumStr=int(fileStr.split('_')[0])

hwLabels.append(classNumStr)

trainingMat[i:,]=img2vector('trainingDigits/%s'%fileNameStr)

testFileList=os.listdir('testDigits')

errorCount=0.0

mTest=len(testFileList)

for i in range(mTest):

fileNameStr=testFileList[i]

fileStr=fileNameStr.split('.')[0]

classNumStr=int(fileStr.split('_')[0])

vectorUnderTest=img2vector('trainingDigits/%s'%fileNameStr)

classifierResult=classify(vectorUnderTest,trainingMat,hwLabels,k)

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 error is : %d"%errorCount

print "\nthe total error rate is : %f"%(errorCount/float(mTest))

if __name__=='__main__':

handwritingClassTest()