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?