机器学习实战Ch02-k邻近算法-【回归】手写数字识别

最新推荐文章于 2024-02-17 23:48:04 发布

玩泥巴写代码

最新推荐文章于 2024-02-17 23:48:04 发布

阅读量610

点赞数

分类专栏：机器学习实战文章标签：算法 python 机器学习

本文链接：https://blog.csdn.net/weixin_50883256/article/details/109127650

版权

本文介绍了如何使用K最近邻（KNN）算法进行手写数字识别。通过`img2vector`函数将图像转换为1024维向量，然后利用`classify0`实现KNN算法。在`handwritingClassTest`中测试了整个流程，展示了机器学习在图像识别领域的应用。

摘要由CSDN通过智能技术生成

k邻近算法：【回归】手写数字识别

分部代码
- 将图像转化为向量 img2vector(filename)
- kNN算法程序 classify0(inX, dataSet, labels, k)
测试算法 handwritingClassTest()
完整程序

分部代码

将图像转化为向量 img2vector(filename)

将32×32的图像以1×1024的向量输出

:param filename: 输入文件名
:return: 向量形式的数组，每行1024列

def img2vector(filename):
    returnVect = zeros((1, 1024))
    fr = open(filename)
    for i in range(32):
        lineStr = fr.readline()
        for j in range(32):
            returnVect[0, 32 * i + j] = int(lineStr[j])
    return returnVect

kNN算法程序 classify0(inX, dataSet, labels, k)

见《约会数据分类》

测试算法 handwritingClassTest()

def handwritingClassTest():
    hwLabels = []
    trainingFileList = listdir('trainingDigits')
    m = len(trainingFileList)
    trainingMat = zeros((m, 1024))
    for i in range(m):
        fileNameStr = trainingFileList[i]
        file