# -*- coding: utf-8 -*-
import numpy as np
import operator
from os import listdir
# k近邻算法实现
def classify0(inX, dataSet, labels, k):
# 得到数组的行数, 训练数据的大小
dataSetSize = dataSet.shape[0]
# 将inX这一个数据, 扩充成dataSetSize个大小一样的数据集
# 减去dataSet, 得到一个差集的数据集
diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet
# 平方, 数据集各个元素分别平方
sqDiffMat = diffMat ** 2
# 每行数据求和
sqDistances = sqDiffMat.sum(axis=1)
# 开方
distances = sqDistances ** 0.5
# 排序, sortedDistIndicies为得到的索引的序的列表
sortedDistIndicies = distances.argsort()
# 字典
classCount = {}
for i in range(k):
# voteIlabel为得到的label
voteIlabel = labels[sortedDistIndicies[i]]
# 字典classCount中标签voteIlabel对应的值加一, 0代表初始值从0开始
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
# classCount.iteritems(): 迭代取出classCount的每个元素
# key: 需要排序的列表项
# reverse: 降序排序
sortedClassCount = sorted(classCount.iteritems(),
key=operator.itemgetter(1), reverse=True)
return sortedClassCount[0][0]
# img数据转向量(二维变一维)
def img2vector(filename):
returnVect = np.zeros((1,1024))
# 打开文件
fr = open(filename)
# 循环读取32行数据
for i in range(32):
lineStr = fr.readline()
# 循环读取每行的32个数据
for j in range(32):
returnVect[0,32*i+j] = int(lineStr[j])
return returnVect
# 手写数字识别测试
def handwritingClassTest():
# 手写数字的标签集
hwLabels = []
# 获取训练目录里面的文件列表
trainingFileList = listdir('trainingDigits')
# 训练目录里面的文件个数
m = len(trainingFileList)
# 创建m行1024列的内容为0的矩阵
trainingMat = np.zeros((m,1024))
# 循环取出每一个文件
for i in range(m):
# 获取每一个文件名
fileNameStr = trainingFileList[i]
# 截取从开始位置到“.”的字符串
fileStr = fileNameStr.split('.')[0]
# 截取从开始位置到“_”的字符串, 获得的是文件的标签值
classNumStr = int(fileStr.split('_')[0])
# 将标签值存到hwLabels中
hwLabels.append(classNumStr)
# 将文件的内容,存到训练集中
trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)
# 测试集
testFileList = listdir('testDigits')
errorCount = 0.0
# 测试集文件数目
mTest = len(testFileList)
for i in range(mTest):
# 取出文件名
fileNameStr = testFileList[i]
fileStr = fileNameStr.split('.')[0]
# 测试数据的标签值
classNumStr = int(fileStr.split('_')[0])
# 测试数据的图片值
vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)
# 预测
classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)
print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr)
# 累计错误数据
if (classifierResult != classNumStr): errorCount += 1.0
print "\nthe total number of errors is: %d" % errorCount
print "\nthe total error rate is: %f" % (errorCount/float(mTest))
print "\nthe total ture rate is: %f" % (1 - errorCount/float(mTest))
handwritingClassTest()
运行结果:
the total number of errors is: 11
the total error rate is: 0.011628
the total ture rate is: 0.988372
时间: 2024-07-29 02:38:05