基于python Knn 算法识别手写数字，计算准确率 ——第二弹

大家好~ 可爱的我又来了~

今天我会分享一个简单的Knn算法实例，是小白的必备实例！

开始喽~

首先我是用Jupyter新建的一个python文件并且在相同文件夹中放了一个‘data’的图片文件夹里面从0-9个有5000张图片。

接下来是代码部分：

这是需要引用的部分数据包

建立X，y两个集合

digit = cv2.imread(‘./data/%d/%d_%d.bmp‘%(i,i,j)) #读取图片的位置

下面代码是转换数据类型

下面是输出结果

就这些啦！虽然还点粗糙但是我会努力哒~

原文地址：https://www.cnblogs.com/lzhyzbb/p/11371646.html

时间： 2024-09-27 01:17:32

基于python Knn 算法识别手写数字，计算准确率 ——第二弹的相关文章

python实现KNN，识别手写数字

写了识别手写数字的KNN算法,如下图所示.参考链接http://blog.csdn.net/april_newnew/article/details/44176059. # -*- coding: utf-8 -*- import numpy as np import pandas as pd import os def readtxt(filename): text=[] f = open(filename,'r',encoding='utf-8') for line in f.readlin

KNN (K近邻算法) - 识别手写数字

KNN项目实战——手写数字识别 1. 介绍 k近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法.它的工作原理是:存在一个样本数据集合,也称作为训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每一个数据与所属分类的对应关系.输入没有标签的新数据后,将新的数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本最相似数据(最近邻)的分类标签.一般来说,我们只选择样本数据集中前k个最相似的数据,这就是

KNN算法案例--手写数字识别

import numpy as np import matplotlib .pyplot as plt import pandas as pd from sklearn.neighbors import KNeighborsClassifier # 加载数据 img_arr = plt.imread('./data/8/8_88.bmp') plt.imshow(img_arr) <matplotlib.image.AxesImage at 0x1786b073780> img_arr.sha

k-近邻算法（KNN）识别手写数字

k-近邻算法(KNN) 将一个32x32的二进制图像矩阵转化为1x1024的向量. 函数img2vector,将图像转化为向量,该函数创建1x1024的数组,然后打开给定的文件,循环读出文件的前32行,并将每行的头32个字值存储在NumPy数组种,最后返回数组. #将图像文本数据转换为向量 def img2vector(filename): returnVect = zeros((1,1024)) fr = open(filename) for i in range(32): lineStr =

Python 学习笔记（Machine Learning In Action）K-近邻算法识别手写数字

1 from numpy import * 2 import matplotlib 3 from os import listdir 4 import kNN 5 def img2vector(filename): 6 returnVect = zeros((1,1024)) 7 fr = open(filename) 8 for i in range(32): 9 lineStr = fr.readline() 10 for j in range(32): 11 returnVect[0,32

KNN算法实现手写数字

from numpy import * import operator from os import listdir def classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] diffMat = tile(inX, (dataSetSize,1)) - dataSet sqDiffMat = diffMat ** 2 sqDistances = sqDiffMat.sum(axis=1) distances =

K 近邻算法识别手写数字（Numpy写法）

在 Kaggle 上面的 Notebook 给可爱的学弟学妹们用于参考... 代码这个东西一定要自己多写,我一边听着林宥嘉的<想自由>,一边写出了大致的实现. 关于数据集的读入 MNIST 数据集可以在这里获取:THE MNIST DATABASE of handwritten digits . 你一定很好奇?为什么原文地址:https://www.cnblogs.com/accepteddoge/p/mnist-knn-with-numpy.html

用python实现的的手写数字识别器

概述带GUI界面的,基于python sklearn knn算法的手写数字识别器,可用于识别手写数字,训练数据集为mnist. 详细代码下载:http://www.demodashi.com/demo/13039.html 前言 k-近邻(kNN, k-NearestNeighbor)算法是一种基本分类与回归方法,通俗点来说,就是给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的 k 个实例,这 k 个实例的多数属于某个类,就把该输入实例分为这个类. python 第三方

【机器学习算法实现】kNN算法__手写识别——基于Python和NumPy函数库

[机器学习算法实现]系列文章将记录个人阅读机器学习论文.书籍过程中所碰到的算法,每篇文章描述一个具体的算法.算法的编程实现.算法的具体应用实例.争取每个算法都用多种语言编程实现.所有代码共享至github:https://github.com/wepe/MachineLearning-Demo 欢迎交流指正! (1)kNN算法_手写识别实例--基于Python和NumPy函数库 1.kNN算法简介 kNN算法,即K最近邻(k-NearestNeighbor)分类算法,是最简单的机器学习算