knn算法代碼：

from numpy import *

import operator

import os

def img2vector(filename):

"""

filename代表文件名稱

"""

returnVector = zeros((1,1024))##聲明一個0矩陣

fr = open(filename)

for i in range(32):

lineStr = fr.readline()##每一行文件

for j in range(32):

returnVector[0,32*i+j] = int(lineStr[j])##一共32行，全部存儲到returnVector里面

fr.close()

return returnVector

def classify(inX, dataSet, labels, k):

"""

四個參數(shù)，inX是測試向量，dataSet樣本向量數(shù)據(jù)，labels是標(biāo)簽，k是選取前k個做評測

tile(A,n)用于重復(fù)A矩陣n次

argsort()返回的是數(shù)組值從小到大的索引

list.get(k,d)

get()相當(dāng)于一條if...else...語句,參數(shù)k在字典中，字典將返回list[k];如果參數(shù)k不在字典中則返回參數(shù)d,如果K在字典中則返回k對應(yīng)的value值；

例子：

l = {5:2,3:4}

print l.get(3,0)返回的值是4；

Print l.get（1,0）返回值是0；(該例來源于網(wǎng)絡(luò))

"""

dataSetSize = dataSet.shape[0] ##shpe函數(shù)用于返回矩陣的長度，如shape[0]返回第一維矩陣長度，shape[1]返回第二維矩陣長度以此類推，還有其他功能執(zhí)行查閱

diffMat = tile(inX, (dataSetSize, 1)) - dataSet ##tile函數(shù)主要功能是重復(fù)矩陣多少次，重復(fù)了測試向量，與每一個樣本相減

sqDiffMat = diffMat ** 2 ##計算平方

sqDistances = sqDiffMat.sum(axis=1) ##計算矩陣橫軸的和

distances = sqDistances ** 0.5 ##平方

sortedDistIndicies = distances.argsort() ##用argsort排序

classCount = {}

for i in range(k):

voteLabel = labels[sortedDistIndicies[i]] ##通過索引得到前該距離所屬的類型

classCount[voteLabel] = classCount.get(voteLabel, 0) + 1 ##相應(yīng)的類型+1

sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)

return sortedClassCount[0][0]

#classTest()函數(shù)用于處理32*32的數(shù)據(jù)，

def classTest():

file_object = open('result.txt', 'w')

Labels = []

trainingFileList = os.listdir("./digits/trainingDigits/") ##listdir函數(shù)用于獲取該目錄下的文件列表，并且以數(shù)組的方式存儲

length = len(trainingFileList) ##獲取數(shù)組長度

trainingMat = zeros((length, 1024)) ##聲明一個length*1024的矩陣用于存儲所有樣本的向量形式

for i in range(length):

fileNameStr = trainingFileList[i] ##獲取列表中每一個文件名(包含擴展名)

fileName = fileNameStr.split('.')[0] ##獲取列表中每一個文件名(不包含擴展名)

numClass = fileName.split('_')[0] ##獲取該文件所屬的類別（因為文件名都是以‘?dāng)?shù)字類別_第幾個樣本.txt’形式的，所以需要進行兩次的split函數(shù)）

Labels.append(numClass) ##以隊列的形式加入到Labels的隊尾

trainingMat[i, :] = img2vector(

"./digits/trainingDigits/" + fileNameStr) ##用img2vector()函數(shù)處理32*32的圖片矩陣，存入trainingMat中

testFileList = os.listdir("./digits/testDigits/") ##測試組的文件列表，下面的代碼意思如上，多余的就不寫了

errorCount = 0.0

lengthTest = len(testFileList)

for i in range(lengthTest):

fileNameStr = testFileList[i]

fileName = fileNameStr.split('.')[0]

numClass = fileName.split('_')[0]

vectorUnderTest = img2vector("./digits/testDigits/" + fileNameStr)

classifierResult = classify(vectorUnderTest, trainingMat, Labels, 3)

file_object.write(str(classifierResult) + " " + str(numClass) + '\n')

print ("come back result is %s.......real result is %s" %(classifierResult,numClass))

if(classifierResult !=numClass): errorCount+=1.0

print("\n the total number of errors is %d" % (errorCount))

print("\n the total error rate is %f" % (errorCount/float(lengthTest)))

file_object.close()

if __name__ == "__main__":

classTest()

digits/trainingDigits數(shù)據(jù)集：　鏈接：https://pan.baidu.com/s/1gEa4jGi-PSyFtAizd0KTew 密碼：ebyf

運行結(jié)果

總結(jié)

以上是生活随笔為你收集整理的python 安卓app按钮数字识别_Python 手写数字识别-knn算法应用的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。