转载请注明作者和出处:https://blog.csdn.net/weixin_45814668
微信公众号:qiongjian0427
知乎:https://www.zhihu.com/people/qiongjian0427
Git:https://github.com/qiongjian/Machine-learning/
Python版本: Python3.x
示例:手写数字识别
流程如下:
(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Python命令提示符中检擦数据,确保它符合要求。
(4)训练算法:此步骤不适用于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是已经完成分类的数据,如果预测分类与实际类别不同,则标记为一个错误。
收集数据
目录trainingDigits中包含了大约2000个例子,每个例子的内容如下图所示,每个数字大约有200个样本;目录testDigits中包含了大约900个测试数据。
数据集点这里下载,关注公众号回复knn3下载。
这些文本格式存储的数字的文件命名格式为:数字的值_该数字的样本序号。
准备数据
将图像转换为分向量格式。
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。
图:手写数字数据集的例子,由0和1组成。
我们首先将图像转换为一个向量,把一个30×32的二进制图像矩阵转换为1×1024的向量。
编写函数img2vector(),该函数创建1×1024的NumPy数组,打开给定的文件,循环读出文件的前32行,将每行的头32个字符存储到NumPy数组,最后返回数组。
python3代码:
# 导入包
from numpy import *
import os
import operator
def img2vector(filename):
returnVect = zeros((1, 1024))#初始化要返回的1*1024向量
fr = open(filename) #打开文件
for i in range(32):
#循环读取文件的前32行
lineStr = fr.readline()
for j