机器学习实战SKlearn之KNN手写数字识别

 1 # -*- coding: UTF-8 -*-
 2 import numpy as np
 3 import operator
 4 from os import listdir
 5 from sklearn.neighbors import KNeighborsClassifier as kNN
 6 
 7 """
 8 函数说明:将32x32的二进制图像转换为1x1024向量。
 9 
10 Parameters:
11     filename - 文件名
12 Returns:
13     returnVect - 返回二进制图像的1x1024向量
14 """
15 def img2vector(filename):
16     #创建1x1024零向量,np.zeros((a,b)),a代表第一层括号（最外层）看向元素个数，b代表第二层括号内向量元素个数即内层
17     #注意这里zeros（1，1024）产生的是二维数组[[0,0,....]]
18     return_vect = np.zeros((1, 1024))  # 数组的索引都是从0开始，但是size/shape中都是实际数目。
19     #打开文件
20     fr = open(filename)
21     #按行读取
22     for i in range(32):
23         #读一行数据
24         lineStr = fr.readline()
25         #每一行的前32个元素依次添加到returnVect中
26         for j in range(32):    #range(32):0,1,2,....31
27             return_vect[0,32*i+j] = int(lineStr[j]) #0：向量第一层内的第一个分向量
28     #返回转换后的1x1024向量
29     return return_vect
30 
31 """
32 函数说明:手写数字分类测试
33 """
34 def handwriting_ClassTest():
35     #测试集的Labels
36     hwLabels = []
37     #返回trainingDigits目录下的文件名
38     trainingFileList = listdir('C:/Users/Administrator/Desktop/data/Ch02/digits/trainingDigits')
39     #返回文件夹下文件的个数
40     m = len(trainingFileList)
41     #初始化训练的Mat矩阵,测试集
42     trainingMat = np.zeros((m, 1024))
43     #从文件名中解析出训练集的类别
44     for i in range(m):
45         #获得文件的名字
46         fileName_Str = trainingFileList[i]
47         #获得分类的数字
48         classNumber = int(fileName_Str.split('_')[0])
49         #将获得的类别添加到hwLabels中
50         hwLabels.append(classNumber)
51         #将每一个文件的1x1024数据存储到trainingMat矩阵中
52         trainingMat[i,:] = img2vector('C:/Users/Administrator/Desktop/data/Ch02/digits/trainingDigits/%s' % (fileName_Str))
53     #构建kNN分类器
54     neigh = kNN(n_neighbors = 3, algorithm = 'auto')
55     #拟合模型, trainingMat为测试矩阵,hwLabels为对应的标签
56     neigh.fit(trainingMat, hwLabels)
57     #返回testDigits目录下的文件列表
58     testFileList = listdir('C:/Users/Administrator/Desktop/data/Ch02/digits/testDigits')
59     #错误检测计数
60     errorCount = 0.0
61     #测试数据的数量
62     mTest = len(testFileList)
63     #从文件中解析出测试集的类别并进行分类测试
64     for i in range(mTest):
65         #获得文件的名字
66         fileName_Str = testFileList[i]
67         #获得分类的数字
68         classNumber = int(fileName_Str.split('_')[0])
69         #获得测试集的1x1024向量,用于训练
70         vector_UnderTest = img2vector('C:/Users/Administrator/Desktop/data/Ch02/digits/testDigits/%s' % (fileName_Str))
71         #获得预测结果
72         # classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)
73         classifierResult = neigh.predict(vector_UnderTest)
74         print("分类返回结果为%d\t真实结果为%d" % (classifierResult, classNumber))
75         if(classifierResult != classNumber):
76             errorCount += 1.0
77     print("总共错了%d个数据\n错误率为%f%%" % (errorCount, errorCount/mTest * 100))
78 
79 
80 """
81 函数说明:main函数
82 """
83 if __name__ == '__main__':
84     handwriting_ClassTest()