手写数字识别------一个非人工智能算法

手写数字识别

——一个非人工智能算法

引言

本文将介绍一个手写数字识别问题的非人工智能算法，这种算法准确率不高，仅供做参考

算法原理

1. 计算每个数字的平均灰度

设训练数据集中数字 $1$ 的部分为

$$P_i=(p_{i,1},p_{i,2},\cdots,p_{i,m}),i=1,2,\cdots,n$$
其中 $n$ 为数据量， $m$ 为每个数字相应位置上像素的灰度值（在Kaggle提供的数据里 $m$ 为784），则其平均灰度为
$$\overline{P}=\frac{1}{n}\sum_{i=1}^n{P_i}$$
是一个 $1$ 行 $m$ 列的向量，其他数字类似

2. 根据欧氏距离进行预测

由上文得到的每个数字的平均灰度记为

$$\overline{P_i}=(p_1^{[i]},p_2^{[i]},\cdots,p_m^{[i]}),i=0,1,\cdots,9$$
设测试数据中某一数据为
$$A=(a_1,a_2,\cdots,a_m)$$
计算 $A$ 与 $\overline{P_0},\overline{P_1},\cdots,\overline{P_9}$ 的欧氏距离
$$D_i=|A-\overline{P_i}|=\sum_{j=1}^m{(a_j-p_j^{[i]})^2},i=0,1,\cdots,9$$
取最小的 $D_i$ 对应的 $i$ 作为结果，通俗地讲“离谁近就算谁的”

算法实现

import numpy as np
import pandas as pd
# 加载训练数据集
train = pd.read_csv("train.csv")
images = train.iloc[:,1:].values
labels = train.iloc[:,0].values
# 计算每个数字的平均灰度
number = np.zeros([10, train.shape[1]-1])
number_sum = np.zeros([10])
for i in range(train.shape[0]):
    number_sum[labels[i]] += 1
    number[labels[i]][:] += images[i][:]
for num in range(10):
    number[num][:] = np.multiply(number[num][:], 1/number_sum[num])
# 加载测试数据集
test = pd.read_csv("test.csv")
test_images = test.iloc[:,:].values
test_label = np.zeros([test_images.shape[0]], dtype=np.int64)
# 根据欧氏距离进行预测
for i in range(test_images.shape[0]):
    if i%700==0:
        print(str(i/test_images.shape[0]*100)+"% finished")
    test_label[i]=0
    minsum=1e10
    for num in range(10):
        sum1=0.0
        for j in range(test_images.shape[1]):
            sum1 += (test_images[i][j] - number[num][j])**2
        if sum1<minsum:
            minsum = sum1
            test_label[i] = num
# 保存结果
ImageId = list(range(1,test_images.shape[0]+1))
save = pd.DataFrame({'ImageId':ImageId,'Label':test_label})
save.to_csv('submission2.csv',index=False,sep=',')

将结果提交到Kaggle上得到80.61%的准确率，与人工智能算法相比准确率低了很多