python 安卓app按钮数字识别_Python 手写数字识别-knn算法应用

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