【机器学习 2】k-邻近算法识别手写数字

最新推荐文章于 2022-04-26 11:36:44 发布
最新推荐文章于 2022-04-26 11:36:44 发布
阅读量231 收藏
点赞数
分类专栏： 机器学习实战
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_37392582/article/details/79210346
版权
本文介绍了使用k-邻近算法对手写数字进行识别的过程。训练集来源于trainingDigits文件夹内的32位二进制图像，目标值通过文件名获取。测试集来自testDigits文件夹，同样包含32位图像，并已知对应的数字。通过对测试集应用k-邻近算法，可以预测并比较实际与预测的数字。
摘要由CSDN通过智能技术生成

思路：
训练集：trainingDigits文件夹内的32位二进制图像矩阵
Target向量：从trainingDigits文件夹内的文件名读取图像矩阵所表示的数字
测试集：testDigits文件夹内的32位二进制图像矩阵
predicted预测值：从testDigits文件夹内文件名读取图像矩阵所表示的数字

#手写识别系统
#（1）收集数据：提供文本文件
#（2）准备数据：编写函数img2vector（），将图像格式转换为分类器使用的向量格式
#（3）分析数据：在Anancode中检查数据，确保它凡符合要求
#（4）训练算法：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
        # 别在于测试样本已经完成分类的数据，如果预测分类与实际分类不同，则标记为一个错误
#（6）使用算法：本例没有完成此步骤，若你感兴趣可以构建完整的应用程序，从图像中提取数
最低0.47元/天 解锁文章
无尾君
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
第7-3课：K 最邻近算法（KNN）与手写数字识别
oRbIt 的专栏
09-22 505
K 最近邻（KNN，K-Nearest Neighbor）算法是一类在数据挖掘领域常用的分类算法，该算法看似神秘，其实原理很简单，算法实现也很简单。KNN 算法在类别决策时，只参考极少量的相邻样本，也就是说主要靠周围有限的邻近样本，而不是靠判别类域的方法来确定所属类别，因此对于类域的交叉或重叠较多的待分样本集来说，KNN 方法较其他方法更为适合。这一课我们用 KNN 算法来实现一个简单的手写...
机器学习算法学习01——k-近邻算法及手写数字识别系统
whaha12的博客
10-03 439
机器学习算法学习01——k-近邻算法及手写数字识别系统 文章目录机器学习算法学习01——k-近邻算法及手写数字识别系统一、kNN算法概述二、算法原理三、相关代码1.准备：使用Python导入数据2.从文本文件中解析数据3.预测类别四、手写数字识别系统实验1. 实验概述2.实验内容3.代码3.1 准备数据：将图像转换为测试向量3.2 测试kNN算法总结 一、kNN算法概述 1.k邻近算法直译为K个最近的邻居，是一种聚类算法。采用测量不同特征值之间的距离方法进行分类。基于大量数据的基础上，做出相应的预测，
K近邻算法——手写数字识别
Prince_IT的博客
06-17 1800
一、准备工作 前面的博客已讲述了K近邻的概念，这里是一个K近邻算法的应用。 准备内容： 1.手写数字训练集trainingDigits 2.手写数字测试集testDigits 程序的基本内容: 1.原算法的第一步是导入数据，并进行矩阵化处理，这里的第一步是将图片转化成向量。图片在数据集中是以数字的形式保存，3232，将二维图片转化成11024一维的向量。一共有接近2000的训练集和900多的测...
机器学习实战之k-近邻算法识别手写数字（含拍照检验步骤详解）
qq_42869979的博客
10-27 1612
机器学习实战第二章之k-近邻算法识别手写数字（用手机拍照检验步骤详解） 哈哈，这是我写的第一篇博客，就此拉开了我的程序员生涯的序幕。希望有缘人看见之后，能够解决你遇见的问题。废话不多说，开始办正事。 本例中使用K-近邻算法识别手写数字，参考书目：Peter Harrington 的<机器学习实战（中文版）>。本文主要是使用书中已经构建好的算法，来解决实际问题。 训练集采用文件 ‘tra...
knn(k邻近算法)实现手写数字分类，
Barry-njr的博客
07-11 411
from sklearn import datasets digits = datasets.load_digits() from sklearn import neighbors #import sklearn from sklearn.model_selection import train_test_split #将数据切分成两部分：训练集和测试集 x_train,x_test,y_tra...
机器学习实战之分类篇 一 k-近邻算法（高级应用：手写数字识别）
qq_37172182的博客
06-15 554
任务描述： 在digits目录下存在1934张手写数字训练数据集（trainSet，标签为文本_前数字）和946张手写数字测试训练集（testSet，真实值为标签文本_前数字），使用kNN算法对测试集数字进行识别。 部分图片内容如下： 实现步骤与上一节机器学习实战之分类篇 一 k-近邻算法（从电影分类到海伦约会）基本一致，都是将信息（图像）转...
基于k_邻近算法的手写识别系统的研究与实现
11-08
k-邻近算法(k-NN)是一种简单而有效的机器学习算法，广泛应用于分类任务中。其基本原理是通过计算待分类样本与训练集中每个样本的距离，并选择距离最近的k个样本，然后根据这k个样本所属的类别来决定待分类样本的类别...
利用k-近邻算法实现手写体分类代码及数据集
12-14
在手写体识别领域，KNN被广泛应用于数字识别，如OCR（光学字符识别）系统。在这个实例中，我们将探讨如何使用KNN算法来对手写数字进行分类。 ### 1. K-近邻算法原理 KNN算法的基本思想是：每个样本都可以被看作一...
机器学习作业一：使用k-近邻算法实现手写数字识别（1）+（2）
weixin_45775594的博客
09-28 802
k-近邻算法 概述：主要是采用测量不同特征值之间的距离进行概述 优点：精度高、对异常值不敏感、无数据输入假定 缺点：计算复杂度高、空间复杂度高 使用数据范围：数值型和标称型 工作原理： 1.存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。 2.输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前 k 个最相似的数据，这就是
机器学习03--sklearn手写数字识别
11-08
Scikit learn 也简称sklearn，是机器器学习领域的python模块，sklearn包含了了很多机器器学习的方式
KNN算法实现手写数字识别（Sklearn实现）
热门推荐
Asia-Lee
07-15 2万+
目录 KNN项目实战——手写数字识别 1、数据集介绍 2、准备数据：将图像转换为测试向量 3、代码实现 KNN项目实战——手写数字识别 1、数据集介绍 需要识别的数字已经使用图形处理软件，处理成具有相同的色彩和大小：宽高是32像素x32像素的黑白图像。尽管采用本文格式存储图像不能有效地利用内存空间，但是为了方便理解，我们将图片转换为文本格式。 数字的文本格式如下： ...
机器学习实战——KNN手写数字识别
qq_37668436的博客
04-26 755
原理 选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。 算法流程 基于KNN的手写数字识别 在线运行：基于KNN的手写数字识别 数据样式： 这是一个32行32列的文本表示的图像，首先把HW的形式转成一维的向量： # 文本转向量, 32行32列转1 * 1024 def img2vector(filename): returnVect = zeros((1,1024)) fr =
《机器学习实战》第二章：k-近邻算法（3）手写数字识别
新的开始
05-05 995
1. CH2-kNN（1） 2. CH2-kNN（2） 3. CH2-kNN（3） 4. CH3-决策树（1） 5. CH3-决策树（2） 6. CH3-决策树（3） 7. CH4-朴素贝叶斯（1） 8. CH4-朴素贝叶斯（2） 9. CH5-Logistic回归（1） 10. CH5-Logistic回归（2） ======== No More======== ...
使用k-近邻算法识别手写数字。
繁城落叶
01-06 2110
在之前的文章中介绍了k-近邻算法的原理知识并且用Python实现了一个分类器，而且完成了一个简单的优化约会网站配对效果的实例。在《机器学习实战》中有关kNN的后一部分内容就是一个手写识别系统，可以识别手写的0-9的数字。下面就基于这一章的内容完成这样一个手写数字识别系统。案例的描述以及流程介绍。既然我们明白了kNN算法是根据计算新数据和样本数据集之间的距离，然后找到距离最小的样本的分类作为新数据的分
KNN--用于手写数字识别（机器学习入门笔记）
z轴的博客
01-13 1万+
最近在看机器学习实战这本书，写下博客作为笔记以帮助记忆。一、K-近邻算法概述概括的说，K-近邻算法采用测量不同特征值之间的距离的方法进行分类。 它的工作原理是：存在一个样本数据集合，也称训练样本集，并且样本集中每个数据存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中的数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）
基于K近邻法的手写数字图像识别
xjb写写
05-29 1万+
                         数字图像处理课程论文                          题目：数字图像识别   摘要         模式识别(PatternRecognition)是一项借助计算机，就人类对外部世界某一特定环境中的客体、过程和现象的识别功能（包括视觉、听觉、触觉、判断等）进行自动模拟的科学技术，也是指对表征事物或现象的各种形式的(数值的...
用k_nn算法手写数字识别
Wprofessor的博客
02-25 316
用k_nn算法手写数字识别 import numpy as np from os import listdir # listdir可以列出给定目录的文件名 def knnPredict(newInput, dataset, labels, k): dataset = np.array(dataset) # 表示样本数量 datasize = dataset.shape...
KNN 手写字体识别
qq_27481087的博客
07-18 530
KNN手写数字的代码实现 1.读取数据 # 1.读取数据 import pandas as pd df = pd.read_excel('./手写字体识别.xlsx') df.head() 2.提取特征变量和目标变量 X = df.iloc[:,1:] y = df.iloc[:,0] 3.划分训练集和测试集 from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_t
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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