需求：
利用一个手写数字“先验数据”集，使用knn算法来实现对手写数字的自动识别；
先验数据（训练数据）集：
?数据维度比较大，样本数比较多。
? 数据集包括数字0-9的手写体。
?每个数字大约有200个样本。
?每个样本保持在一个txt文件中。
?手写体图像本身的大小是32x32的二值图，转换到txt文件保存后，内容也是32x32个数字，0或者1，如下：
数据集压缩包解压后有两个目录：（将这两个目录文件夹拷贝的项目路径下E:/KNNCase/digits/）
?目录trainingDigits存放的是大约2000个训练数据
?目录testDigits存放大约900个测试数据。
模型分析：
1、手写体因为每个人，甚至每次写的字都不会完全精确一致，所以，识别手写体的关键是“相似度”
2、既然是要求样本之间的相似度，那么，首先需要将样本进行抽象，将每个样本变成一系列特征数据（即特征向量）
3、手写体在直观上就是一个个的图片，而图片是由上述图示中的像素点来描述的，样本的相似度其实就是像素的位置和颜色之间的组合的相似度
4、因此，将图片的像素按照固定顺序读取到一个个的向量中，即可很好地表示手写体样本
5、抽象出了样本向量，及相似度计算模型，即可应用KNN来实现
python实现：
新建一个KNN.py脚本文件，文件里面包含四个函数：
1) 一个用来生成将每个样本的txt文件转换为对应的一个向量，
2) 一个用来加载整个数据集，
3) 一个实现kNN分类算法。
4) 最后就是实现加载、测试的函数。
1 #!/usr/bin/python
2 # coding=utf-8
3 #########################################
4 # kNN: k Nearest Neighbors
5
6 # 参数: inX: vector to compare to existing dataset (1xN)
7 # dataSet: size m data set of known vectors (NxM)
8 # labels: data set labels (1xM vector)
9 # k: number of neighbors to use for comparison
10
11 # 输出: 多数类
12 #########################################
13
14 from numpy import *
15 import operator
16 import os
17
18
19 # KNN分类核心方法
20 def kNNClassify(newInput, dataSet, labels, k):
21 numSamples = dataSet.shape[0] # shape[0]代表行数
22
23 # # step 1: 计算欧式距离
24 # tile(A, reps): 将A重复reps次来构造一个矩阵
25 # the following copy numSamples rows for dataSet
26 diff = tile(newInput, (numSamples, 1)) - dataSet # Subtract element-wise
27 squaredDiff = diff ** 2 # squared for the subtract
28 squaredDist = sum(squaredDiff, axis = 1) # sum is performed by row
29 distance = squaredDist ** 0.5
30
31 # # step 2: 对距离排序
32 # argsort()返回排序后的索引
33 sortedDistIndices = argsort(distance)
34
35 classCount = {} # 定义一个空的字典
36 for i in xrange(k):
37 # # step 3: 选择k个最小距离
38 voteLabel = labels[sortedDistIndices[i]]
39
40 # # step 4: 计算类别的出现次数
41 # when the key voteLabel is not in dictionary classCount, get()
42 # will return 0
43 classCount[voteLabel] = classCount.get(voteLabel, 0) + 1
44
45 # # step 5: 返回出现次数最多的类别作为分类结果
46 maxCount = 0
47 for key, value in classCount.items():
48 if value > maxCount:
49 maxCount = value
50 maxIndex = key
51
52 return maxIndex
53
54 # 将图片转换为向量
55 def img2vector(filename):
56 rows = 32
57 cols = 32
58 imgVector = zeros((1, rows * cols))
59 fileIn = open(filename)
60 for row in xrange(rows):
61 lineStr = fileIn.readline()
62 for col in xrange(cols):
63 imgVector[0, row * 32 + col] = int(lineStr[col])
64
65 return imgVector
66
67 # 加载数据集
68 def loadDataSet():
69 # # step 1: 读取训练数据集
70 print "---Getting training set..."
71 dataSetDir = ‘E:/KNNCase/digits/‘
72 trainingFileList = os.listdir(dataSetDir + ‘trainingDigits‘) # 加载测试数据
73 numSamples = len(trainingFileList)
74
75 train_x = zeros((numSamples, 1024))
76 train_y = []
77 for i in xrange(numSamples):
78 filename = trainingFileList[i]
79
80 # get train_x
81 train_x[i, :] = img2vector(dataSetDir + ‘trainingDigits/%s‘ % filename)
82
83 # get label from file name such as "1_18.txt"
84 label = int(filename.split(‘_‘)[0]) # return 1
85 train_y.append(label)
86
87 # # step 2:读取测试数据集
88 print "---Getting testing set..."
89 testingFileList = os.listdir(dataSetDir + ‘testDigits‘) # load the testing set
90 numSamples = len(testingFileList)
91 test_x = zeros((numSamples, 1024))
92 test_y = []
93 for i in xrange(numSamples):
94 filename = testingFileList[i]
95
96 # get train_x
97 test_x[i, :] = img2vector(dataSetDir + ‘testDigits/%s‘ % filename)
98
99 # get label from file name such as "1_18.txt"
100 label = int(filename.split(‘_‘)[0]) # return 1
101 test_y.append(label)
102
103 return train_x, train_y, test_x, test_y
104
105 # 手写识别主流程
106 def testHandWritingClass():
107 # # step 1: 加载数据
108 print "step 1: load data..."
109 train_x, train_y, test_x, test_y = loadDataSet()
110
111 # # step 2: 模型训练.
112 print "step 2: training..."
113 pass
114
115 # # step 3: 测试
116 print "step 3: testing..."
117 numTestSamples = test_x.shape[0]
118 matchCount = 0
119 for i in xrange(numTestSamples):
120 predict = kNNClassify(test_x[i], train_x, train_y, 3)
121 if predict == test_y[i]:
122 matchCount += 1
123 accuracy = float(matchCount) / numTestSamples
124
125 # # step 4: 输出结果
126 print "step 4: show the result..."
127 print ‘The classify accuracy is: %.2f%%‘ % (accuracy * 100)
KNNTest.py
#!/usr/bin/python # coding=utf-8 import KNN KNN.testHandWritingClass()
测试结果：
时间： 2024-10-22 01:44:33