java使用knn实现mnist_tensorflow实现KNN识别MNIST

KNN算法算是最简单的机器学习算法之一了，这个算法最大的特点是没有训练过程，是一种懒惰学习，这种结构也可以在tensorflow实现。

KNN的最核心就是距离度量方式，官方例程给出的是L1范数的例子，我这里改成了L2范数，也就是我们常说的欧几里得距离度量，另外，虽然是叫KNN，意思是选取k个最接近的元素来投票产生分类，但是这里只是用了最近的那个数据的标签作为预测值了。

__author__ = 'freedom'

import tensorflow as tf

import numpy as np

def loadMNIST():

from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('MNIST_data',one_hot=True)

return mnist

def KNN(mnist):

train_x,train_y = mnist.train.next_batch(5000)

test_x,test_y = mnist.train.next_batch(200)

xtr = tf.placeholder(tf.float32,[None,784])

xte = tf.placeholder(tf.float32,[784])

distance = tf.sqrt(tf.reduce_sum(tf.pow(tf.add(xtr,tf.neg(xte)),2),reduction_indices=1))

pred = tf.argmin(distance,0)

init = tf.initialize_all_variables()

sess = tf.Session()

sess.run(init)

right = 0

for i in range(200):

ansIndex = sess.run(pred,{xtr:train_x,xte:test_x[i,:]})

print 'prediction is ',np.argmax(train_y[ansIndex])

print 'true value is ',np.argmax(test_y[i])

if np.argmax(test_y[i]) == np.argmax(train_y[ansIndex]):

right += 1.0

accracy = right/200.0

print accracy

if __name__ == "__main__":

mnist = loadMNIST()

KNN(mnist)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。