使用KNN算法手写体识别

1. #!/usr/bin/python
2. #coding:utf-8
3. import numpy as np
4. import operator
5. import matplotlib
6. import matplotlib.pyplot as plt
7. import os
8. '''''
9. KNN算法
10. 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。
11. 2. 按照距离递增排序。
12. 3. 选取与当前点距离最小的k个点
13. 4. 确定前k个点所在类别的出现频率
14. 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
15. '''
16. '''''
17. inX为要分类的向量
18. dataSet为训练样本
19. labels为标签向量
20. k为最近邻的个数
21. '''
22. def classify0(inX , dataSet , labels , k):
23. dataSetSize = dataSet.shape[0]#dataSetSize为训练样本的个数
24. diffMat = np.tile(inX , (dataSetSize , 1)) - dataSet#将inX扩展为dataSetSize行，1列
25. sqDiffMat = diffMat**2
26. sqDistances = sqDiffMat.sum(axis=1)
27. distances = sqDistances**0.5
28. 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
29. classCount = {}
30. for i in range(k):
31. voteIlabel = labels[sortedDistIndicies[i]]#voteIlabel为类别
32. 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
33. 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
34. print sortedClassCount
35. return sortedClassCount[0][0]
36. '''''
37. 将图像转换为1*1024的向量
38. '''
39. def img2vector(filename):
40. returnVect = np.zeros((1,1024))
41. fr = open(filename)
42. for i in range(32):
43. line = fr.readline()
44. for j in range(32):
45. returnVect[0,i*32+j] = int(line[j] )
46. return returnVect
47. '''''
48. 手写体识别系统测试
49. '''
50. def handwritingClassTest(trainFilePath,testFilePath):
51. hwLabels = []
52. trainingFileList = os.listdir(trainFilePath)
53. m=len(trainingFileList)
54. trainSet = np.zeros((m,1024))
55. for i in range(m):
56. filename = trainingFileList[i]
57. classNum = filename.split('.')[0]
58. classNum = int(classNum.split('_')[0])
59. hwLabels.append(classNum)
60. trainSet[i] = img2vector( os.path.join(trainFilePath,filename) )
61. testFileList = os.listdir(testFilePath)
62. errorCount = 0
63. mTest = len(testFileList)
64. for i in range(mTest):
65. filename = trainingFileList[i]
66. classNum = filename.split('.')[0]
67. classNum = int(classNum.split('_')[0])
68. vectorUnderTest = img2vector(os.path.join(trainFilePath, filename))
69. classifyNum = classify0(vectorUnderTest,trainSet,hwLabels,10)
70. print "the classifier came back with : %d , the real answer is : %d"% (classifyNum , classNum)
71. if(classifyNum != classNum) : errorCount+=1
72. print ("\nthe total number of error is : %d"%errorCount)
73. print ("\nthe error rate is : %f"%(float(errorCount)/mTest))
74. handwritingClassTest()