《机器学习实战》第二章:k-近邻算法(3)手写数字识别
2017-03-16 20:23
537 查看
这是k-近邻算法的最后一个例子——手写数字识别!
怎样?是不是听起来很高大上?
呵呵。然而这跟图像识别没有半毛钱的关系
因为每个数据样本并不是手写数字的图片,而是有由0和1组成的文本文件,就像这样:
嗯,这个数据集中的每一个样本用图形软件处理过,变成了宽高都是32像素的黑白图像。用文本格式表示出来就成了上面这个样子,是一个32*32的矩阵。于是每个样本就有1024维,这些0或1就是每个样本的特征值,标签是手写的数字,范围0~9,比如左边这幅是3,右边这幅是6。
每个标签都有将近200个样本,可供训练。
---------------------------------------------------------------------------------------------
我们首先定义一个函数,用于把上面这样的一个txt文件,变成一个1*1024的特征矩阵。
然后,基于训练集合测试集,测试classify0分类器的效果。
hwLabels 存放每条训练集数据的标签。
listdir 函数列出路径下的所有文件和文件夹。'trainingDigits' 这个目录下放的是训练集数据样本(就是上面那张图展现的众多文本文件)。m是训练集样本数量。trainingMat是训练集特征矩阵。
8~13行这个循环:每个训练样本命名规则是n_x.txt,n就是标签,x是该标签的第几个样本。比如1_6.txt就是标签1的第6的样本。标签存入hwLabels这个list里面。然后把文本文件转换成特征矩阵,用的是刚才那个img2vector函数。
然后开始搞测试样本。测试样本放在'testDigits' 这个目录下,mTest是测试样本数量。
17~24行这个循环:首先也是通过文件名把测试样本的正确标签抠出来,存入classNumStr。然后把文本文件转换成特征矩阵,存入vectorUnderTest。然后把vectorUnderTest当做待测试数据传入classify0分类器(源码在第一篇博客)。得出的分类结果和classNumStr相比较,统计错误率。
运行结果(运行的过程比较慢):
错误率仅为1.2%,效果还是不错的。
怎样?是不是听起来很高大上?
呵呵。然而这跟图像识别没有半毛钱的关系
因为每个数据样本并不是手写数字的图片,而是有由0和1组成的文本文件,就像这样:
嗯,这个数据集中的每一个样本用图形软件处理过,变成了宽高都是32像素的黑白图像。用文本格式表示出来就成了上面这个样子,是一个32*32的矩阵。于是每个样本就有1024维,这些0或1就是每个样本的特征值,标签是手写的数字,范围0~9,比如左边这幅是3,右边这幅是6。
每个标签都有将近200个样本,可供训练。
---------------------------------------------------------------------------------------------
我们首先定义一个函数,用于把上面这样的一个txt文件,变成一个1*1024的特征矩阵。
def img2vector(filename): returnVect = zeros((1,1024)) fr = open(filename) for i in range(32): lineStr = fr.readline() for j in range(32): returnVect[0, 32 * i + j] = int(lineStr[j]) return returnVect
然后,基于训练集合测试集,测试classify0分类器的效果。
from os import listdir def handwritingClassTest(): hwLabels = [] trainingFileList = listdir('trainingDigits') m = len(trainingFileList) trainingMat = zeros((m,1024)) for i in range(m): fileNameStr = trainingFileList[i] fileStr = fileNameStr.split('.')[0] classNumStr = int(fileStr.split('_')[0]) hwLabels.append(classNumStr) trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr) testFileList = listdir('testDigits') errorCount = 0.0 mTest = len(testFileList) for i in range(mTest): fileNameStr = testFileList[i] fileStr = fileNameStr.split('.')[0] classNumStr = int(fileStr.split('_')[0]) vectorUnderTest = img2vector('testDigits/%s' % fileNameStr) classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3) print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr) 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))
hwLabels 存放每条训练集数据的标签。
listdir 函数列出路径下的所有文件和文件夹。'trainingDigits' 这个目录下放的是训练集数据样本(就是上面那张图展现的众多文本文件)。m是训练集样本数量。trainingMat是训练集特征矩阵。
8~13行这个循环:每个训练样本命名规则是n_x.txt,n就是标签,x是该标签的第几个样本。比如1_6.txt就是标签1的第6的样本。标签存入hwLabels这个list里面。然后把文本文件转换成特征矩阵,用的是刚才那个img2vector函数。
然后开始搞测试样本。测试样本放在'testDigits' 这个目录下,mTest是测试样本数量。
17~24行这个循环:首先也是通过文件名把测试样本的正确标签抠出来,存入classNumStr。然后把文本文件转换成特征矩阵,存入vectorUnderTest。然后把vectorUnderTest当做待测试数据传入classify0分类器(源码在第一篇博客)。得出的分类结果和classNumStr相比较,统计错误率。
运行结果(运行的过程比较慢):
错误率仅为1.2%,效果还是不错的。
相关文章推荐
- 『机器学习实战』使用 k-近邻算法识别手写数字
- 《机器学习实战》之k-近邻算法(手写识别系统)
- 机器学习实战——使用K-近邻算法识别手写数字
- k-近邻算法实现手写数字识别系统
- 【python】机器学习实战KNN算法之手写数字识别
- k-近邻算法实现手写数字识别系统
- 基于K-近邻算法识别手写数字的实现
- Python 学习笔记(Machine Learning In Action)K-近邻算法识别手写数字
- KNN近邻算法(python3)识别手写数字
- 【机器学习】k-近邻算法应用之手写数字识别
- 使用k-近邻算法识别手写数字。
- 学习笔记——《机器学习实战》KNN算法实现 约会网站测试,手写数字识别,代码,注释,错误修改
- 第二章 K-近邻算法 及 手写识别系统
- 基于K-近邻算法的手写数字识别研究
- 【机器学习】k-近邻算法应用之手写数字识别
- 机器学习实战之k-近邻算法(6)---手写数字识别系统(0-9识别)
- k-近邻算法实现手写数字识别
- 《机器学习实战》第二章:k-近邻算法(2)约会对象分类
- 机器学习(10.4)--手写数字识别的不同算法比较(4)--神经网络
- 《机器学习实战》第二章——K-近邻算法