python如何實現kNN算法識別手寫體數字

小編給大家分享一下python如何實現kNN算法識別手寫體數字，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

1。總體概要

kNN算法已經在上一篇博客中說明。對于要處理手寫體數字，需要處理的點主要包括：

（1）圖片的預處理：將png，jpg等格式的圖片轉換成文本數據，本博客的思想是，利用圖片的rgb16進制編碼（255，255，255）為白色，（0，0，0）為黑色，獲取圖片大小后，逐個像素進行判斷分析，當此像素為空白時，在文本數據中使用0來替換，反之使用1來替換。

from PIL import Image
'''將圖片轉換成文檔，使用0，1分別替代空白和數字'''
pic = Image.open('/Users/wangxingfan/Desktop/1.png')
path = open('/Users/wangxingfan/Desktop/1.txt','a')
width = pic.size[0]
height = pic.size[1]
for i in range(0,width):
 for j in range(0,height):
  c_RGB = pic.getpixel((i,j))#獲取該像素所對應的RGB值
  if c_RGB[0]+c_RGB[1]+c_RGB[2]>0:#白色
   path.write('0')
  elif c_RGB[0]+c_RGB[1]+c_RGB[2]==0:#黑色
   path.write('1')
  else:
   pass
 path.write('\n')
path.close()

（2）訓練集的構建。首先想到的是將（1）中圖片處理后的文本數據構建成list形式，所以訓練集將是二維數組，形如[[1,0,1,1,0,,,,,0,1],[0,1,1,1,10,,,,],[0,0,1,0,,,],,,,,]所以我們構建函數處理訓練集數據。

2。代碼

簡單的總結這個算法，就是將測試數據向量化，逐個和同樣向量化的訓練數據進行kNN運算，求的最短距離出現最多的分類就是我們要的分類。建立訓練集的過程就是將文件數據向量化的過程。

#！／user/bin/env python
#-*- coding:utf-8 -*-
from os import listdir#獲取文件目錄下所有文件
'''
from PIL import Image
#將圖片轉換成文檔，使用0，1分別替代空白和數字
pic = Image.open('/Users/wangxingfan/Desktop/1.png')
path = open('/Users/wangxingfan/Desktop/1.txt','a')
width = pic.size[0]
height = pic.size[1]
for i in range(0,width):
 for j in range(0,height):
  c_RGB = pic.getpixel((i,j))#獲取該像素所對應的RGB值
  if c_RGB[0]+c_RGB[1]+c_RGB[2]>0:#白色
   path.write('0')
  elif c_RGB[0]+c_RGB[1]+c_RGB[2]==0:#黑色
   path.write('1')
  else:
   pass
 path.write('\n')
path.close()
'''
import numpy as np
import operator as opt

def kNN(dataSet, labels, testData, k):
 '''首先明確列表不能想加減，dataSet是數組形式，而對于下面的test函數，testData只是一列，相當于列表，所以在進行加減時，需要將其轉換為數組，我們使用np下的tile函數來實現'''
 testDatasize = dataSet.shape[0]#獲取dataSet的總行數
 dataSet = dataSet.astype('float64')#不進行轉換則報錯
 testData1 = np.tile(testData,(testDatasize,1))#使用tile函數返回多個重復構成的數組
 testData1 = testData1.astype('float64')
 distSquareMat = (dataSet - testData1) ** 2 # 計算差值的平方
 distSquareSums = distSquareMat.sum(axis=1) # 求每一行的差值平方和，axis=0則按列計算
 distances = distSquareSums ** 0.5 # 開根號，得出每個樣本到測試點的距離
 sortedIndices = distances.argsort() # 排序，得到排序后的下標
 indices = sortedIndices[:k] # 取最小的k個
 labelCount = {} # 存儲每個label的出現次數，出現次數最多的就是我們要選擇的類別
 for i in indices:
  label = labels[i]
  labelCount[label] = labelCount.get(label, 0) + 1 # 次數加一，使用字典的get方法，第一次出現時默認值是0
 sortedCount = sorted(labelCount.items(), key=opt.itemgetter(1), reverse=True) # 對label出現的次數從大到小進行排序
 return sortedCount[0][0] # 返回出現次數最大的label

#定義函數讀取某個文件，返回該文件組成的數組
def file_data(fname):
 arr = []
 path = open(fname)
 for i in range(0,32):
  line = path.readline()
  for j in range(0,32):
   arr.append(line[j])
 return arr

#建立訓練數據集
def train_data():
 lables = []
 file_list = listdir('/學習/視頻課程/源碼/第7周/testandtraindata/traindata/')
 trainarr = np.zeros((len(file_list),1024))
 for i in range(0,len(file_list)):
  file = '/學習/視頻課程/源碼/第7周/testandtraindata/traindata/'+file_list[i]
  lables.append(file_list[i].split('_')[0])#獲取對應的文件類別
  trainarr[i,:] = file_data(file)#取所有列的第一個數據
 return trainarr,lables

#測試函數
def test():
 j = 0
 k = 0
 trainarr,lables = train_data()
 testdata_list = listdir('/學習/視頻課程/源碼/第7周/testandtraindata/testdata/')
 for i in range(0,len(testdata_list)):#逐個去測試
  testfile = '/學習/視頻課程/源碼/第7周/testandtraindata/testdata/'+testdata_list[i]
  testdata1 = file_data(testfile)
  result = kNN(trainarr,lables,testdata1,k=3)
  print(result+',real_number:'+testdata_list[i].split('_')[0])
  if result == testdata_list[i].split('_')[0]:
   j +=1
  else:
   k +=1

 print('辨識成功率：'+j/(k+j))

test()

輸出結果為：

3。幾個知識點代碼說明

（1）numpy.tile

p = np.array([0,0,0])
np.tile(p,(3,1))#表示columns方向重復三次，index方向不變
Out[12]: 
array([[0, 0, 0],
  [0, 0, 0],
  [0, 0, 0]])
np.tile(p,(1,3))#表示index方向重復三次，行還是一行
Out[13]: array([[0, 0, 0, 0, 0, 0, 0, 0, 0]])

（2）array[1,:]表示取所有列的第【索引1】個數據（也就是第二行數據）

a = np.array([[1,1,1],[2,2,2],[3,3,3],[4,4,4]])
a[1,:]
Out[21]: array([2, 2, 2])
a[:,1]#所有行的第二列數據
Out[22]: array([1, 2, 3, 4])

（3）list并不能進行加減計算，需要使用numpy將數據轉換為數組形式，且在使用例如：arr1+arr2時，需要兩個數組的維度相同，在某個緯度上的數據長度也相同。

（4）使用os模塊下的listdir，可以顯示所有該文件夾下的文件，以列表的形式返回。

以上是“python如何實現kNN算法識別手寫體數字”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！