利用KNN算法实现手写数字识别
一、数据准备
数据来源基于kaggle的Digit Recognizer.一个带有标签的train.csv数据,一个不带标签的test.scv数据。
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import joblib
from collections import Counter
def show_digit(idx):
# 1 加载数据
data = pd.read_csv('train.csv')
if idx < 0 or idx >= len(data): # 使用 >= 而不是 > 来处理边界情况
return
#将标签与像素特征分开,使用DataFrame格式
x = data.iloc[:, 1:]
y = data.iloc[:, 0]
print('数据基本信息:', x.shape)
print('类别数据比例:', Counter(y))
print('当前数字的标签为:', y[idx])
# 3 显示指定的图片
data_ = x.iloc[idx].values
# print(data_ )
# 确保 data_ 是一维数组,并且长度为784
if len(data_) != 784:
print("错误:data_ 数组长度不是 784,可能是 CSV 文件格式问题或缺失值。")
return
# 将数据形状修改为 28*28
data_ = data_.reshape(28, 28)
# 关闭坐标轴标签
plt.axis('off')
# 显示图像
plt.imshow(data_, cmap='gray')
plt.show()
二、归一化处理和数据划分
#归一化处理
x = train_data.iloc[:,1:]/255
y = train_data.iloc[:,0]
#划分训练集和测试集
split_data = train_test_split(x, y, test_size=0.2, stratify=y, random_state=0)
x_train, x_test, y_train, y_test = split_data
三、模型训练
#模型训练
estimator = KNeighborsClassifier(n_neighbors=3) #设置k=3
estimator.fit(x_train, y_train)
四、模型评估
acc = estimator.score(x_test, y_test)
print('测试集准确率: %.2f' % acc)
五、模型保存
joblib.dump(estimator, 'model/knn.pth')
六、模型测试,程序效果
def test_model():
# 1 读取图片数据(由于没有图片,所以使用kaggle数据集中的test.scv数据进行测试)
test_data = pd.read_csv('test.csv ')
x_test = test_data.iloc[:, 0:]
test_x = x_test.iloc[0].values
data_ = test_x.reshape(28, 28)
# 关闭坐标轴标签
plt.axis('off')
# 显示图像
plt.imshow(data_, cmap='gray')
plt.show()
test_x = [test_x.tolist()] #由DataFrame数据格式转化为numpy矩阵形式,并转化为二维矩阵
# 2 加载模型
knn = joblib.load('model/knn.pth')
# # 3 预测图片
y_pred = knn.predict(test_x )
print('您绘制的数字是:', y_pred)
test_model()