（机器学习实战）2.3手写识别系统（详细注释）

编译：python3.6

代码和训练集下载：https://pan.baidu.com/s/1m7HdAkuwGgXX8v5-DN118Q

import operator
from numpy import *
from scipy import *
from matplotlib import *"""KNN近邻分类思路：1，用shape[0]得到行数2，把带划分数据用tile扩展成一个矩阵3，（用该矩阵-训练数据）平方后开方得到一个列表4，对列表按距离升序排列5，选取前K个中标签出现次数后按降序排列，[0][0]即为出现最多的标签作为带预测的划分标签"""
#inx为自己输入要分类的测试数，dataset为训练集，labels为标签集，k为kNN中的K值
#shape[0]得到训练样本多少行
#tile建立inx，dataSetSize行，1列
#sum(axis=1),按行相加
#argsort递增排序
def classify0(inX,dataSet,labels,k):dataSetSize=dataSet.shape[0]diffMat=tile(inX,(dataSetSize,1))-dataSetsqDiffMat=diffMat**2sqDistances=sqDiffMat.sum(axis=1)    #distances=sqDistances**0.5sortedDistIndicies=distances.argsort() #生成的不是距离而是标号列表 #print(sortedDistIndicies)classCount={}for i in range(k):#print(sortedDistIndicies[i])              voteIlabel=labels[sortedDistIndicies[i]]    classCount[voteIlabel]=classCount.get(voteIlabel,0)+1   #这一步是做相同标签的统计（+1），找到键voteIlabel对应的值，如果不存在这样的键则返回默认值0#print(classCount.get(voteIlabel,0))sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True) #sorted排序做升序，返回副本，原始输入不变，里面的参数设置请参考https://www.cnblogs.com/timtike/p/6562402.html，https://blog.csdn.net/hshl1214/article/details/40587985#print(sortedClassCount[0][0])                                                       #或者参考https://www.cnblogs.com/zhoufankui/p/6274172.htmlreturn sortedClassCount[0][0]"""将图像转换为测试向量：1、建立1*1024的0矩阵2、用历遍的方法生成矩阵"""
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"""测试算法思路：1、创建训练特征矩阵2、存储训练特征矩阵和标签3、创建错误累加4、用历遍的方式累加"""
from os import listdir
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]         #提取文件名classNumStr=int(fileStr.split('_')[0])               #提取文件名前面的数字hwLabels.append(classNumStr)trainingMat[i,:]=img2vector('trainingDigits/%s'%fileNameStr)  #/代表子文件夹testFileList=listdir('testDigits')errorCount=0.0mTest=len(testFileList)for i in range(mTest):fileNameStr=testFileList[i]fileStr=fileNameStr.split('.')[0]         #提取文件名classNumStr=int(fileStr.split('_')[0])               #提取文件名前面的数字vectorUnderTest=img2vector('testDigits/%s'%fileNameStr)  #/代表子文件夹classifierResult=classify0(vectorUnderTest,trainingMat,hwLabels,3)print("the classifier come back with %d,the real result is %d"%(classifierResult,classNumStr))if(classifierResult!=classNumStr):errorCount+=1print('\n the total numer of errors is %d'%errorCount)print('\n the total error rate is %f'%(errorCount/float(mTest)))#可以选择显示一下
#handwritingClassTest() """字符预测函数思路：1,输入特征值2、建立特征值数组3、归一化特征值4、输入预测文档如：4_0.txt5、返回预测值"""
def classifyChrct():hwLabels=[]trainingFileList=listdir('trainingDigits')m=len(trainingFileList)trainingMat=zeros((m,1024))for i in range(m):fileNameStr=trainingFileList[i]fileStr=fileNameStr.split('.')[0]         #提取文件名classNumStr=int(fileStr.split('_')[0])               #提取文件名前面的数字hwLabels.append(classNumStr)trainingMat[i,:]=img2vector('trainingDigits/%s'%fileNameStr)  #/代表子文件夹inputDocument=input('Please input the document with .txt that you want forecast\n')vectorUnderTest=img2vector('testDigits/%s'%(inputDocument))classifierResult=classify0(vectorUnderTest,trainingMat,hwLabels,3)print("the classifier come back with %d"%(classifierResult))#预测看结果
classifyChrct()

（机器学习实战）2.3手写识别系统（详细注释）相关推荐

机器学习（4）——手写识别系统实例
基本概念利用K-近邻算法对0-9的32*32的黑白数字图像进行归类. 基本思路步骤收集数据:提供文本文件: 准备数据:编写图像格式转化为可供分类器使用的向量格式的函数代码: 分析数据:进行检查数据 ...
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 ...
【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 ...
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 ...
【机器学习】手写识别系统
[机器学习]手写识别系统过程 ==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== 过程收集数据:提供文本文件准备数据:编写函数classif ...
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& ...
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 ...
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 ...
【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 ...

（机器学习实战）2.3手写识别系统（详细注释）

（机器学习实战）2.3手写识别系统（详细注释）相关推荐

最新文章

热门文章