使用KNN算法手写体识别
- #!/usr/bin/python
- #coding:utf-8
- import numpy as np
- import operator
- import matplotlib
- import matplotlib.pyplot as plt
- import os
- '''''
- KNN算法
- 1. 计算已知类别数据集中的每个点依次执行与当前点的距离。
- 2. 按照距离递增排序。
- 3. 选取与当前点距离最小的k个点
- 4. 确定前k个点所在类别的出现频率
- 5. 返回前k个点出现频率最高的类别作为当前点的预测分类
- '''
- '''''
- inX为要分类的向量
- dataSet为训练样本
- labels为标签向量
- k为最近邻的个数
- '''
- def classify0(inX , dataSet , labels , k):
- dataSetSize = dataSet.shape[0]#dataSetSize为训练样本的个数
- diffMat = np.tile(inX , (dataSetSize , 1)) - dataSet#将inX扩展为dataSetSize行,1列
- sqDiffMat = diffMat**2
- sqDistances = sqDiffMat.sum(axis=1)
- distances = sqDistances**0.5
- sortedDistIndicies = distances.argsort()#返回的是元素从小到大排序后,该元素原来的索引值的序列
- classCount = {}
- for i in range(k):
- voteIlabel = labels[sortedDistIndicies[i]]#voteIlabel为类别
- classCount[voteIlabel] = classCount.get(voteIlabel,0)+1#如果之前这个voteIlabel是有的,那么就返回字典里这个voteIlabel里的值,如果没有就返回0
- sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)#key=operator.itemgetter(1)的意思是按照字典里的第一个排序,{A:1,B:2},要按照第1个(AB是第0个),即‘1’‘2’排序。reverse=True是降序排序
- print sortedClassCount
- return sortedClassCount[0][0]
- '''''
- 将图像转换为1*1024的向量
- '''
- def img2vector(filename):
- returnVect = np.zeros((1,1024))
- fr = open(filename)
- for i in range(32):
- line = fr.readline()
- for j in range(32):
- returnVect[0,i*32+j] = int(line[j] )
- return returnVect
- '''''
- 手写体识别系统测试
- '''
- def handwritingClassTest(trainFilePath,testFilePath):
- hwLabels = []
- trainingFileList = os.listdir(trainFilePath)
- m=len(trainingFileList)
- trainSet = np.zeros((m,1024))
- for i in range(m):
- filename = trainingFileList[i]
- classNum = filename.split('.')[0]
- classNum = int(classNum.split('_')[0])
- hwLabels.append(classNum)
- trainSet[i] = img2vector( os.path.join(trainFilePath,filename) )
- testFileList = os.listdir(testFilePath)
- errorCount = 0
- mTest = len(testFileList)
- for i in range(mTest):
- filename = trainingFileList[i]
- classNum = filename.split('.')[0]
- classNum = int(classNum.split('_')[0])
- vectorUnderTest = img2vector(os.path.join(trainFilePath, filename))
- classifyNum = classify0(vectorUnderTest,trainSet,hwLabels,10)
- print "the classifier came back with : %d , the real answer is : %d"% (classifyNum , classNum)
- if(classifyNum != classNum) : errorCount+=1
- print ("\nthe total number of error is : %d"%errorCount)
- print ("\nthe error rate is : %f"%(float(errorCount)/mTest))
- handwritingClassTest()
使用KNN算法手写体识别的更多相关文章
- KNN 算法-实战篇-如何识别手写数字
公号:码农充电站pro 主页:https://codeshellme.github.io 上篇文章介绍了KNN 算法的原理,今天来介绍如何使用KNN 算法识别手写数字? 1,手写数字数据集 手写数字数 ...
- 机器学习实战(笔记)------------KNN算法
1.KNN算法 KNN算法即K-临近算法,采用测量不同特征值之间的距离的方法进行分类. 以二维情况举例: 假设一条样本含有两个特征.将这两种特征进行数值化,我们就可以假设这两种特种分别 ...
- KNN算法实现手写体区分
KNN算法在python里面可以使用pip install指令安装,我在实现之前查看过安装的KNN算法,十分全面,包括了对于手写体数据集的处理.我这里只是实现了基础的识别方法,能力有限,没有数据处理方 ...
- 【Machine Learning】KNN算法虹膜图片识别
K-近邻算法虹膜图片识别实战 作者:白宁超 2017年1月3日18:26:33 摘要:随着机器学习和深度学习的热潮,各种图书层出不穷.然而多数是基础理论知识介绍,缺乏实现的深入理解.本系列文章是作者结 ...
- kNN算法python实现和简单数字识别
kNN算法 算法优缺点: 优点:精度高.对异常值不敏感.无输入数据假定 缺点:时间复杂度和空间复杂度都很高 适用数据范围:数值型和标称型 算法的思路: KNN算法(全称K最近邻算法),算法的思想很简单 ...
- Python 手写数字识别-knn算法应用
在上一篇博文中,我们对KNN算法思想及流程有了初步的了解,KNN是采用测量不同特征值之间的距离方法进行分类,也就是说对于每个样本数据,需要和训练集中的所有数据进行欧氏距离计算.这里简述KNN算法的特点 ...
- 机器学习--kNN算法识别手写字母
本文主要是用kNN算法对字母图片进行特征提取,分类识别.内容如下: kNN算法及相关Python模块介绍 对字母图片进行特征提取 kNN算法实现 kNN算法分析 一.kNN算法介绍 K近邻(kNN,k ...
- 运用kNN算法识别潜在续费商家
背景与目标 Youzan 是一家SAAS公司,服务于数百万商家,帮助互联网时代的生意人私有化顾客资产.拓展互联网客群.提高经营效率.现在,该公司希望能够从商家的交易数据中,挖掘出有强烈续费倾向的商家, ...
- KNN算法识别手写数字
需求: 利用一个手写数字“先验数据”集,使用knn算法来实现对手写数字的自动识别: 先验数据(训练数据)集: ♦数据维度比较大,样本数比较多. ♦ 数据集包括数字0-9的手写体. ♦每个数字大约有20 ...
随机推荐
- 【BZOJ】3299: [USACO2011 Open]Corn Maze玉米迷宫(bfs)
http://www.lydsy.com/JudgeOnline/problem.php?id=3299 映射一下传送门即可.. #include <cstdio> #include &l ...
- oauth 2
OAuth2是基于HTTP的认证API,一般与OAuth2搭配的API也是基于HTTP的REST风格API(比如新浪微博和github),很多人一定想过是否可以直接从浏览器端调用REST API. 我 ...
- SurvivalShooter学习笔记(二.玩家移动旋转)
该案例中:(PC端操作) 1.玩家移动输入控制通过虚拟轴Axis,旋转输入控制通过鼠标位置: 2.玩家始终面朝鼠标停留点,鼠标停留点通过摄像机朝地面的射线获取: 3.玩家待机移动状态切换通过Anima ...
- AtCoder Tak and Hotels
题目链接:传送门 题目大意:有 n 个点排成一条直线,每次行动可以移动不超过 L 的距离,每次行动完成必须停在点上, 数据保证有解,有 m 组询问,问从 x 到 y 最少需要几次行动? 题目思路:倍增 ...
- App Store App申请审核加速
有没有遇到上线后发现很严重的bug这种情况,修复bug后提交审核又是漫长的等待,那样会把人逼疯的. 估计是为了对应这样的情况,Apple提供有一个加速审核的通道: https://developer. ...
- @Override must override a superclass method 有关问题解决
1.Java开发环境时 如果在使用Eclipse开发Java项目时,在使用 @Override 出现以下错误: The method *** of type *** must override a s ...
- border-radius 原理分析
border-radius 想必大家都有所了解,比较常见的用法就像下面一样: 注意左边的盒子 border-radius: 100px; 右边的为0哦,所以右边的实际上没有设置圆角边框属性:咱们比较 ...
- 锚点链接 阻止a标签跳转
参考 http://blog.csdn.net/awe5566/article/details/22583699 href="#downJacket" 锚点链接 必须写: 但又 ...
- Python设置默认编码为UTF-8
1.在Python\Lib\site-packages目录下创建一个sitecustomize.py文件 源代码: import sys sys.setdefaultencoding('utf-8') ...
- sqli_labs第一关
安装 从https://github.com/Audi-1/sqli-labs下载源代码 搭建环境用的是phpstudy 编辑sqli\sql-connections\db-creds.inc文件 修 ...