K最近傍実際の手書き数字認識

1、リーダーパケット

インポートのNPとしてnumpyの
 輸入オペレータ
 からのOS インポートLISTDIR
 から sklearn.neighbors インポートKNNとしてKNeighborsClassifierを

％コンフィグZMQInteractiveShell.ast_node_interactivity = 「すべて」

図2に示すように、画像ベクトルを変換する関数の定義

「」「
関数の説明：バイナリイメージ32×32は1x1024ベクターに変換

：パラメータ
    名-ファイル名
戻り値：
    returnVect -バイナリイメージ返す1x1024ベクトル
」、「」
DEFのimg2vector（ファイル名）：
    ＃は1x1024ゼロベクトル作成 
    returnVect = NPを。ゼロ（（1、1024 ））
    ＃オープンファイル 
    のFR = オープン（ファイル名）
     ＃1 行を読み取る
    ための I にレンジ（32 ）：
        ＃は、リードデータ線 
        lineStr = fr.readline（）
        ＃各列Aの最初の32の要素returnVectに添加
        するための J でレンジ（32 ）：
            returnVect [0、* Iは、Jを+ 32] = INT（lineStr [J]）
    ＃戻り1x1024ベクトル変換
    戻り returnVect

3、手書き数字認識システム機能の定義

"" " 
関数の説明：デジタルカテゴリーテスト手書き

パラメータ：
    なし
戻りません：
    なし
。" "" 
DEF handwritingClassTest（）：
    ＃のトレーニングセットラベル 
    hwLabels = []
    ＃がtrainingDigitsディレクトリの下にファイル名を返します 
    trainingFileList = LISTDIR（' trainingDigits ' ）
     ＃戻りファイルフォルダ数 
    M = LEN（trainingFileList）
    ＃の初期マットトレーニングマトリックス、トレーニングセット 
    trainingMatのnp.zeros =（（M 1024 ））
    ＃集中ファイル解析されたカテゴリのトレーニングセットから
    のための I における範囲（M）：
        ＃は、ファイル名を取得
        = fileNameStr trainingFileList [I]
        ＃取得した分類番号 
        classNumber = INT（fileNameStr.split（' _ ' ）[0]）
        ＃の追加hwLabelsで得られたカテゴリ
        hwLabels.append（classNumber）
        ＃1x1024の各ファイルのデータを保存されたtrainingMatマトリックス 
        trainingMat [I ,:] = img2vector（' trainingDigits / S％'％（fileNameStr））
    ＃建設KNN分類器 
    いななき= KNN（N_NEIGHBORSの= 3、アルゴリズム= ' 自動' ）
     ＃フィットモデル、trainingMatトレーニング行列のために、対応するラベルhwLabels 
    （trainingMat、hwLabels）neigh.fitを
     ＃リストtestDigitsディレクトリ内のファイルを返します 
    testFileListがLISTDIR（= 「testDigits 」）
     ＃のエラーチェック回数 
    ERRORCOUNT = 0.0 ＃のテストデータの数 
    MTEST = LEN（testFileList）
    ＃は、カテゴリ・テスト・セットを解析し、ファイルからテストを分類するための I でレンジ（MTEST）：
        ＃ファイル名を取得 
        fileNameStr = testFileList [I]
        ＃取得した分類番号 
        classNumber = INT（fileNameStr.split（' _ ' ）[0]）
        ＃得られた試験は、トレーニングのために使用1x1024ベクトル設定 
        vectorUnderTest =をimg2vector（「testDigits / S％
    
    '％（FileNameStr））
        ＃得る予測 
        classifierResult = （vectorUnderTest）neigh.predict
         ＃の印刷
        印刷が（' 分類が％D \トン本当の結果D％の値を返す"％）（classifierResult、classNumber）
         IF（classifierResult！= ClassNumberを）：
            ERRORCOUNT + = 1.0
     プリント（' 総間違ったデータは％d \ nの誤り率%% F％'％（ERRORCOUNT、ERRORCOUNT / MTEST * 100））

4つの実行結果

もし __name__ == " __main__ " ：
    handwritingClassTest（）

データセット住所：

リンクします。https：//pan.baidu.com/s/1-F2LyVh63i4yjIwweTYjNg
抽出コード：3gsa

参考：

1、「機械学習本当の」ブック

2、https://github.com/apachecn/AiLearning

3、https://cuijiahua.com/blog/2017/11/ml_1_knn.html

4、機械学習戦闘訓練キャンプの宿題の目の深さ（http://www.deepshare.net/）

K最近傍実際の手書き数字認識

おすすめ