knn算法测试手写识别系统准确率

手写识别系统，KNN算法实现手写识别系统的准确率
(准确率=测试分对的样本数/总的样本数)

import numpy as np
from itertools import chain
from os import listdir#返回给定目录下的文件名，返回的是一个字符串列表
import operator
#想使用KNN算法，训练集以及训练集的标签，找到训练集以及训练集的标签
#KNN算法，每一次对一个点进行分组def classify0(inx,dataset,labels,k):#KNN算法第二步:计算未知点到所有已知类别点的距离datasetSize=dataset.shape[0]#shape西数读取矩阵的长度,返回的是一个元组，(行数， 列数)diffMat=np.tile(inx,(datasetSize,1))-datasetsqDiffMat=diffMat**2# print(sqDiffMat)sqDistance=sqDiffMat.sum(axis=1)# print(sqDiffMat. sum(axis=0) )distance=np.sqrt(sqDistance)sortedDistance=distance.argsort()dict={}for i in range(k):votelable=labels[sortedDistance[i]]#字典里面添加元素dict[key]=value,三种:key:value, get方法，setdefaultdict[votelable]=dict.get(votelable,0)+1#距离测试点最近的k个点的标签sortedDict=sorted(dict.items(),key=operator.itemgetter(1),reverse=True)# print(sortedDict)return sortedDict[0][0]hwlables=[]#存放训练集的标签
traingFileList=listdir('trainingDigits')#返回训练集文件夹下面所有的文件名
#print( traingFileList)
m=len(traingFileList)#训练集的样本点个数，是训练集矩阵的行数
trainingMat=np.zeros((m,1024))#行数的确定以及列数的确定
for i in range(m):fileNameStr=traingFileList[i]#训练集文件夹下面对应索引为i的文件名fileStr=fileNameStr.split(',')[0]#print(fileStr)classNumberStr=int(fileStr.split('_')[0])#print(classNumberStr)hwlables.append(classNumberStr)trainingMat[i]=list(chain(*np.genfromtxt('trainingDigits/%s'%fileNameStr,delimiter=1)))#训练集#找到训练集，以及为了计算正确率，还需要测试集的标签
testFileList=listdir("testDigits")
mTest=len(testFileList)
errcount=0
real=0
for i in range(mTest):fileNameStr=testFileList[i]fileStr=fileNameStr.split('.')[0]classNumberStr=int(fileStr.split('_')[0])#测试点得标签，测试点得数据VectorUnderTest=list(chain(*np.genfromtxt('testDigits/%s'%fileNameStr,delimiter=1)))classifierResult=classify0(VectorUnderTest,trainingMat,hwlables,3) #KNN算法得到分类后的结果# print("分类器分类的结果为: %d,实际得标签,为%d "%(classifierResult,classNumberStr))if classifierResult != classNumberStr:errcount += 1else:real+=1print('测试的样本点个数:%f'%mTest)
print('实际发生错误的次数为:%f'%errcount)
print('错误率为:%f'%(errcount/mTest))
print('准确率为:%f'%(real/mTest))

knn算法测试手写识别系统准确率相关推荐

【Python】基于kNN算法的手写识别系统的实现与分类器测试
基于kNN算法的手写识别系统 1. 数据准备使用windows画图工具,手写0-9共10个数字,每个数字写20遍,共200个BMP文件. 方法如下,使用画图工具,打开网格线,调整像素为32 ...
Knn算法之手写识别系统
knn值之手写识别系统导入包 import numpy as np from os import listdir import operator 介绍 1.os模块 os.listdir() 方法用 ...
【机器学习实战】k近邻算法实战——手写识别系统
文章目录手写识别系统步骤: 准备数据:将图像转换为测试向量测试算法:使用k-近邻算法识别手写数字 [完整代码] 手写识别系统为了简单起见,这里构造的系统只能识别数字0到9,参见图2-6.需要识 ...
java手写识别_手写识别系统
目的采用k-近邻算法实现手写识别系统.这里采用0和1组成数字0-9的形状,再用算法对这些形状进行识别,来分辨出形状属于0-9那个数字.并计算出k-近邻算法识别手写数字的错误率. 数据说明数据来自& ...
kNN算法实现手写数字识别（机器学习）
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一.实验步骤二.实验过程 1.收集数据:提供文本文件 2.准备数据:将图像转换为测试向量 3.测试算法:使用k-近邻 ...
机器学习入门-kNN算法实现手写数字识别
实验环境 Python:3.7.0 Anconda:3-5.3.1 64位操作系统:win10 开发工具:sublime text(非必要) 简介本次实验中的重点为采用kNN算法进行手写数字识别, ...
机器学习算法（一）：k-近邻理论与python实现+经典应用（约会网站匹配、手写识别系统）
一份算法学习笔记~ 亲爱的朋友,恭喜你点开神秘之门,哈哈哈哈!从这里开始,我们一起学习机器学习的经典算法吧. 这一次的主要内容是机器学习入门算法:k-近邻.理论相当好理解,下面我们正式开始啦! 算法简 ...
python实现手写识别系统
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一.手写识别系统二.主要步骤 1.准备数据:将图像转换为测试向量 2.测试算法:使用k-近邻算法识别手写数字总结 ...
机器学习实战-手写识别系统
在实现了K近邻算法后,书中给出了一个实例,今天来学习一下使用K近邻分类器的手写识别系统.书中原带的文件已经过处理转换为了文本格式,方便了许多. 先看一下原带文件准备数据 #将图像转换为测试向量 de ...

knn算法测试手写识别系统准确率

knn算法测试手写识别系统准确率相关推荐

最新文章

热门文章