【实例简介】1.将图像进行灰度处理转换成数值矩阵 2.给出数据集进行训练 3.knn算法实战
inall是整个数据集,可以将它切分成训练集和测试集,建议取少量测试集
我利用8_48进行测试,(它是我从inall里取出来的,已经从里面被删掉了)
同时修改一下knn里的参数
【实例截图】
【核心代码】
# encoding=utf-8
from numpy import *
import operator
from os import listdir
def knn(k,testdata,traindata,labels):
#testdata:[特征1,特征2,特征3]
#traindata:[[特征1,特征2,特征3],[特征1,特征2,特征3],[特征1,特征2,特征3]]
traindatasize=traindata.shape[0]
dif=tile(testdata,(traindatasize,1))-traindata
sqdif=dif**2
#sumsqdif已经成为一维的了[a,b,c,d]
sumsqdif=sqdif.sum(axis=1)
distance=sumsqdif**0.5
sortdistance=distance.argsort()
#sortdistance指的是测试数据与各训练数据的距离由近到远排序之后的结果列表
count={}#{"类别":"次数"}
for i in range(0,k):
vote=labels[sortdistance[i]]#当前距离的类别是谁(由近至远)
count[vote]=count.get(vote,0) 1
#print(count)
sortcount=sorted(count.items(),key=operator.itemgetter(1),reverse=True)
return sortcount[0][0]
#数据加载,将数据转换成knn算法支持的向量。
def datatoarray(fname):
arr=[]
fh=open(fname)
for i in range(0,90): #这个参数要修改
thisline=fh.readline() #这个也要
for j in range(0,47):
arr.append(int(thisline[j]))
return arr
#a=datatoarray("D:/Python35/traindata/0_3.txt")
#取文件名前缀(类别)
def seplabel(fname):
filestr=fname.split(".")[0]
label=int(filestr.split("_")[0])
return label
#建立训练数据
#labels:[类别,类别,类别,类别]
#tainarr:[[特征1,特征2,特征3],[特征1,特征2,特征3],[特征1,特征2,特征3]]
def traindata():
labels=[] #存放类别
trainfile=listdir("C:/Users/Ayui/Desktop/clus_img/inall/") #把文件夹打开并且把文件夹中所
# 有的文件名存放在列表中,为了最后放在datatoarray函数的arr里(那里面也是列表类型)
num=len(trainfile)
#列为1024,行为num的数组
trainarr=zeros((num,4230))
# {
# [
# [ ]
# [ ]
# [ ]
# [ ] num为行数,1024是每一行存放的特征数目
# ]}
for i in range(0,num):
thisname=trainfile[i]
thislabel=seplabel(thisname)
labels.append(thislabel)
trainarr[i,:]=datatoarray("C:/Users/Ayui/Desktop/clus_img/inall/" thisname)
return trainarr,labels
trainarr,labels=traindata()
thistestfile="8_48.txt"
testarr=datatoarray(thistestfile)
rst=knn(3,testarr,trainarr,labels)
print("this writing's classify is",rst)