knn算法手写字识别案例

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import os
from sklearn.neighbors  import KNeighborsClassifier

def build_data(dir_name):
    """
    构建数据
    :param dir_name: 指定传入文件夹名称
    :return: 构建好的数据
    """
    # 获取文件名列表
    file_name_list = os.listdir(dir_name + "/")
    print("获取到的文件名列表：\n", file_name_list)
    # 进行读取文件

    data = np.zeros(shape=(len(file_name_list), 1025))

    # 循环读取文件
    for file_index, file_name in enumerate(file_name_list):
        # file_index  文本名称所对应的下标
        # file_name  文本名称
        # 加载数据
        file_data = np.loadtxt(dir_name + "/" + file_name, dtype=np.str)

        # 构建一个列表
        arr = []
        for file_data_index, file_data_content in enumerate(file_data):
            # print(file_data_content)
            # print("*"*80)
            # 将 每一个元素转化为一个int 类型的列表
            arr_sigle_list = [int(tmp) for tmp in file_data_content]
            # print(arr)
            # 把每个元素添加到列表中
            arr.append(arr_sigle_list)

        # print(arr)
        # 将一个样本转化为数组
        arr_single_sample = np.array(arr)
        # print(arr_single_sample)
        # np.savetxt("./hh.txt",arr_single_sample,fmt="%d")
        # 将二维数组展开为一维---特征值
        arr_single_sample = arr_single_sample.ravel()
        # print(arr_single_sample)
        # 目标值
        label = int(file_name[0])
        # print(res)
        # print(arr_single_sample.shape)
        # 将一个 完整的样本拼接起来,组成完整的样本
        arr_single_sample = np.concatenate((arr_single_sample, [label]), axis=0)

        # print(arr_single_sample)
        # print(arr_single_sample.shape)

        data[file_index, :] = arr_single_sample

    # print(data)
    return data

def save_data(file_name, data):
    """
    保存文件
    :param file_name: 保存的文件名称
    :param data: 保存的数组
    :return: None
    """
    if not os.path.exists("./data/"):
        os.makedirs("./data/")

    np.save("./data/" + file_name, data)

def load_data(file_name):
    """
    加载数据
    :param file_name:文件路径+ 名称
    :return: 数据
    """
    data = np.load(file_name, allow_pickle=True)

    return data

def distance(v1, v2):
    """
    计算距离
    :param v1: 点1
    :param v2: 点2
    :return: 距离
    """
    dist = np.sqrt(np.sum(np.power((v1 - v2), 2)))

    return dist

def knn_owns(train, test, k):
    """
    自定knn算法实现手写字识别
    :param train: 训练集数据
    :param test: 测试集数据
    :param k: 邻居个数
    :return: 准确率
    """
    # 设置计数器
    true_num = 0
    # 获取训练集的特征值 目标值
    train_x = train.iloc[:, :-1].values
    train_y = train.iloc[:, -1].values
    # 获取测试集的特征值 目标值
    test_x = test.iloc[:, :-1].values
    test_y = test.iloc[:, -1].values
    # 计算每一个测试样本特征与每一个训练样本特征的距离
    for i in range(test.shape[0]):  # 循环每一个 测试样本
        for j in range(train.shape[0]):
            # 计算距离
            dist = distance(test_x[i,:],train_x[j,:])
            train.loc[j,'dist'] = dist

        res = train.sort_values(by='dist')

        mode = res.iloc[:,-2][:k].mode()[0]

        if mode == test_y[i]:
            true_num  += 1
        # print(test_y)

    score =  true_num / test.shape[0]

    print(score)

    return  score

# train_data  = build_data("./trainingDigits")
# test_data  = build_data("./testDigits")
#
# save_data("train_data",train_data)
# save_data("test_data",test_data)

# 加载数据
train = load_data("./data/train_data.npy")
test = load_data("./data/test_data.npy")

train = pd.DataFrame(train)
test = pd.DataFrame(test)

# print(train)
# print("*"*80)
# print(test)
k_list = [5,6,7,8,9,10]
score_list = []
for k  in k_list:
    # score = knn_owns(train, test, k)
    # score_list.append(score)
    knn = KNeighborsClassifier(n_neighbors=k)
    #训练数据
    knn.fit(train.iloc[:,:-1].values,train.iloc[:,-1].values)
    # 进行预测
    y_predict = knn.predict(test.iloc[:,:-1].values)

    # 可以获取准确率
    score = knn.score(test.iloc[:,:-1].values,test.iloc[:,-1].values)

    score_list.append(score)
print(score_list)

#进行结果可视化
# 1、创建画布
plt.figure()
# 默认不支持中文，需要配置RC 参数
plt.rcParams['font.sans-serif']='SimHei'
# 设置字体之后不支持负号，需要去设置RC参数更改编码
plt.rcParams['axes.unicode_minus']=False
# 2、绘图
x = np.array(k_list)
y = np.array(score_list)

plt.plot(x,y)

plt.title("k与准确率的关系走势图")
plt.xlabel("k值")
plt.ylabel("准确率")
plt.savefig("./k值对准确率的影响.png")
# 3、展示

plt.show()