K--近邻算法示例

这个实例是一个手写识别系统，在这个系统中包含2000个训练数据和900个测试数据。同学们可以在digits.zip下载, (提取码：23ed)

每个文件名的第一个数字即为文件内容所代表的数字，我们可以将下面代码加入到上节的文件中：

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

def handwritingClassTest():
    hwLabels = []
    trainingFileList = listdir('trainingDigits')          
    m = len(trainingFileList)
    trainingMat = zeros((m,1024))
    for i in range(m):
        fileNameStr = trainingFileList[i]
        fileStr = fileNameStr.split('.')[0]    
        classNumStr = int(fileStr.split('_')[0])
        hwLabels.append(classNumStr)
        trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)
    testFileList = listdir('testDigits')        
    errorCount = 0.0
    mTest = len(testFileList)
    for i in range(mTest):
        fileNameStr = testFileList[i]
        fileStr = fileNameStr.split('.')[0]    
        classNumStr = int(fileStr.split('_')[0])
        vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)
        classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)
        print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr)
        if (classifierResult != classNumStr): errorCount += 1.0
    print "\nthe total number of errors is: %d" % errorCount
    print "\nthe total error rate is: %f" % (errorCount/float(mTest))

第一个函数就是将文件内容转换成矩阵的形式，这里不再过多解释。不明白的同学可以看上一节的解释。这里主要的是第二个函数。该函数首先将目录中的文件存储在列表中，然后从文件名中解析出文件所代表的数字。第二个循环和第一个相同，所以完成一样的功能，最后输出分类后的结果，并计算出错误率。到此全部结束，是不是很easy？