机器学习python实战之手写数字识别-CDA数据分析师官网

热线电话：13121318867

机器学习python实战之手写数字识别

2018-05-21

机器学习 python实战之手写数字识别

看了上一篇内容之后，相信对K近邻算法有了一个清晰的认识，今天的内容——手写数字识别是对上一篇内容的延续，这里也是为了自己能更熟练的掌握k-NN算法。

我们有大约2000个训练样本和1000个左右测试样本，训练样本所在的文件夹是trainingDigits，测试样本所在的文件夹是testDigits。文本文件中是0~9的数字，但是是用二值图表示出来的，如图。我们要做的就是使用训练样本训练模型，并用测试样本来检测模型的性能。

首先，我们需要将文本文件中的内容转化为向量，因为图片大小是32*32，所以我们可以将其转化为1*1024的向量。具体代码实现如下：

			defimg2vector(filename):
		
			  imgVec=zeros((1,1024))
		
			  file=open(filename)
		
			  foriinrange(32):
		
			    lines=file.readline()
		
			    forjinrange(32):
		
			      imgVec[0,32*i+j]=lines[j]
		
			  returnimgVec

实现了图片到向量的转化之后，我们就可以对测试文件中的内容进行识别了。这里的识别我们可以使用上一篇中的自定义函数classify0，这个函数的第一个参数是测试向量，第二个参数是训练数据集，第三个参数是训练集的标签。所以，我们首先需要将训练数据集转化为（1934*1024）的矩阵，1934这里是训练集的组数即trainingDigits目录下的文件数，其对应的标签转化为（1*1934）的向量。之后要编写的代码就是对测试数据集中的每个文本文件进行识别，也就是需要将每个文件都转化成一个（1*1024）的向量，再传入classify0函数的第一个形参。整体代码如下：

			defhandWriteNumClassTest():
		
			  NumLabels=[]
		
			  TrainingDirfile=listdir(r'D:\ipython\num_recognize\trainingDigits')#文件目录
		
			  L=len(TrainingDirfile) #该目录中有多少文件
		
			  TrainMat=zeros((L,1024))
		
			  foriinrange(L):
		
			    file_n=TrainingDirfile[i]
		
			    fileName=file_n.split('.')[0]
		
			    ClassName=int(file_n.split('_')[0])
		
			    NumLabels.append(ClassName)
		
			    TrainMat[i,:]=img2vector(r'D:\ipython\num_recognize\trainingDigits\%s'%file_n)
		
			  TestfileDir=listdir(r'D:\ipython\num_recognize\testDigits')
		
			  error_cnt=0.0
		
			  M=len(TestfileDir)
		
			  forjinrange(M):
		
			    Testfile=TestfileDir[j]
		
			    TestfileName=Testfile.split('.')[0]
		
			    TestClassName=int(Testfile.split('_')[0])
		
			    TestVector=img2vector(r'D:\ipython\num_recognize\testDigits\%s'%Testfile)
		
			    result=classify0(TestVector,TrainMat,NumLabels,3)
		
			    print('the result is %d,the real answer is %d\n'%(result,TestClassName))
		
			    ifresult!=TestClassName:
		
			      error_cnt+=1
		
			  print('the total num of errors is %f\n'%error_cnt)
		
			  print('the error rate is %f\n'%(error_cnt/float(M)))