knn算法代码:
from numpy import *
import operator
import os
def img2vector(filename):
"""
filename代表文件名称
"""
returnVector = zeros((1,1024))##声明一个0矩阵
fr = open(filename)
for i in range(32):
lineStr = fr.readline()##每一行文件
for j in range(32):
returnVector[0,32*i+j] = int(lineStr[j])##一共32行,全部存储到returnVector里面
fr.close()
return returnVector
def classify(inX, dataSet, labels, k):
"""
四个参数,inX是测试向量,dataSet样本向量数据,labels是标签,k是选取前k个做评测
tile(A,n)用于重复A矩阵n次
argsort()返回的是数组值从小到大的索引
list.get(k,d)
get()相当于一条if...else...语句,参数k在字典中,字典将返回list[k];如果参数k不在字典中则返回参数d,如果K在字典中则返回k对应的value值;
例子:
l = {5:2,3:4}
print l.get(3,0)返回的值是4;
Print l.get(1,0)返回值是0;(该例来源于网络)
"""
dataSetSize = dataSet.shape[0] ##shpe函数用于返回矩阵的长度,如shape[0]返回第一维矩阵长度,shape[1]返回第二维矩阵长度以此类推,还有其他功能执行查阅
diffMat = tile(inX, (dataSetSize, 1)) - dataSet ##tile函数主要功能是重复矩阵多少次,重复了测试向量,与每一个样本相减
sqDiffMat = diffMat ** 2 ##计算平方
sqDistances = sqDiffMat.sum(axis=1) ##计算矩阵横轴的和
distances = sqDistances ** 0.5 ##平方
sortedDistIndicies = distances.argsort() ##用argsort排序
classCount = {}
for i in range(k):
voteLabel = labels[sortedDistIndicies[i]] ##通过索引得到前该距离所属的类型
classCount[voteLabel] = classCount.get(voteLabel, 0) + 1 ##相应的类型+1
sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
return sortedClassCount[0][0]
#classTest()函数用于处理32*32的数据,
def classTest():
file_object = open('result.txt', 'w')
Labels = []
trainingFileList = os.listdir("./digits/trainingDigits/") ##listdir函数用于获取该目录下的文件列表,并且以数组的方式存储
length = len(trainingFileList) ##获取数组长度
trainingMat = zeros((length, 1024)) ##声明一个length*1024的矩阵用于存储所有样本的向量形式
for i in range(length):
fileNameStr = trainingFileList[i] ##获取列表中每一个文件名(包含扩展名)
fileName = fileNameStr.split('.')[0] ##获取列表中每一个文件名(不包含扩展名)
numClass = fileName.split('_')[0] ##获取该文件所属的类别(因为文件名都是以‘数字类别_第几个样本.txt’形式的,所以需要进行两次的split函数)
Labels.append(numClass) ##以队列的形式加入到Labels的队尾
trainingMat[i, :] = img2vector(
"./digits/trainingDigits/" + fileNameStr) ##用img2vector()函数处理32*32的图片矩阵,存入trainingMat中
testFileList = os.listdir("./digits/testDigits/") ##测试组的文件列表,下面的代码意思如上,多余的就不写了
errorCount = 0.0
lengthTest = len(testFileList)
for i in range(lengthTest):
fileNameStr = testFileList[i]
fileName = fileNameStr.split('.')[0]
numClass = fileName.split('_')[0]
vectorUnderTest = img2vector("./digits/testDigits/" + fileNameStr)
classifierResult = classify(vectorUnderTest, trainingMat, Labels, 3)
file_object.write(str(classifierResult) + " " + str(numClass) + '\n')
print ("come back result is %s.......real result is %s" %(classifierResult,numClass))
if(classifierResult !=numClass): errorCount+=1.0
print("\n the total number of errors is %d" % (errorCount))
print("\n the total error rate is %f" % (errorCount/float(lengthTest)))
file_object.close()
if __name__ == "__main__":
classTest()
digits/trainingDigits数据集: 链接:https://pan.baidu.com/s/1gEa4jGi-PSyFtAizd0KTew 密码:ebyf
运行结果