机器学习-kNN实现简单的手写数字识别系统
2017-05-16 09:43
791 查看
不积跬步,无以至千里
Python3.5(Anaconda)
PIL
numpy
32* 32像素数据集
为了方便处理,提供了文本文件
文本数据
数据集分为训练集和测试集,其中训练集是已经分类好的数据,测试集是用来测试算法。
✖️32)个数值,转换成(1,1024)的向量。
数据转换为特征向量
kNN分类器
测试算法
取不同的k值
这里看错误的个数,绘制一个折线图
注意:执行时间比较长,去喝杯咖啡吧
这里取1-4,当然你也可以取更高的k值(速度慢)
实验结果证明,取k=3,效果比较好。
txt转png
功能
利用k-邻近算法,实现识别数字0到9开发环境
MacPython3.5(Anaconda)
PIL
numpy
数据集和项目源代码
Github:https://github.com/jiangkang/KMachineLearning.git数据集
下面是32*32的黑白图像32* 32像素数据集
为了方便处理,提供了文本文件
文本数据
数据集分为训练集和测试集,其中训练集是已经分类好的数据,测试集是用来测试算法。
将数据转换为特征向量
从上图可知,拿到的是32*32的的矩阵,每一个点是一个像素值,将这1024(32✖️32)个数值,转换成(1,1024)的向量。
数据转换为特征向量
KNN分类器
参考这篇文章机器学习-从kNN开始kNN分类器
输入测试集,测试算法
测试算法
看看选择不同的k值,分类效果如何
取不同的k值
这里看错误的个数,绘制一个折线图
注意:执行时间比较长,去喝杯咖啡吧
这里取1-4,当然你也可以取更高的k值(速度慢)
实验结果证明,取k=3,效果比较好。
txt转换为png图像
为了更具真实性,同样写了txt转换为png的代码。txt转png
总结
数据集如果稍大一点,执行时间会变得非常长相关文章推荐
- 使用Knn算法实现手写数字识别系统(附带jpg转txt代码)
- 机器学习实战之程序清单1-kNN(手写数字识别系统)
- python3与机器学习实践---2、KNN实现手写数字识别
- 【机器学习】Knn算法实现手写数字识别
- 机器学习--knn手写数字识别系统
- opencv+KNN实现手写简单数字识别
- [机器学习]基于OpenCV实现最简单的数字识别
- Python实现识别手写数字 简易图片存储管理系统
- [机器学习]基于OpenCV实现最简单的数字识别
- 【机器学习 3】KNN算法实现梳理- Be based on“约会对象”、“手写识别”
- 机器学习(10.2)--手写数字识别的不同算法比较(2)--KNN算法
- [机器学习]基于OpenCV实现最简单的数字识别
- knn-2 利用knn算法实现手写数字识别
- 用kNN实现MNIST手写数字识别
- [机器学习]基于OpenCV实现最简单的数字识别
- 【机器学习】BP神经网络实现手写数字识别
- TensorFlow基础教程:搭建简单的DNN实现手写数字识别
- k-近邻算法实现手写数字识别系统
- k-近邻算法实现手写数字识别系统
- MachineLearning— (KNN)k Nearest Neighbor实现手写数字识别(三)