概述

手写数字识别是一个多分类的问题，共有10个分类，每个书写数字都有一个标签，标签是0-9的数，例如下面几个图的标签分别是0,1,2。

0、1、2的手写图片

下面我们就用sklearn来训练一个Knn分类器，用于识别DBRHD数据集中的手写数字。

分析

• DBRHD数据集的每个图片是一个由0或1组成的32*32的文本矩阵。
• KNN的输入为图片矩阵展开的一个1024维的向量 。

模型构建步骤：

• 建立工程并且导入sklearn包
• 加载训练数据
• 构建KNN分类器
• 测试集评价

需要用到的数据：
链接: https://pan.baidu.com/s/1Id8g0ZZcKWIJKmuUlwtcpQ 提取码: 3zvw

#-*- coding:utf-8 -*-
#建立工程并且导入sklearn包
import numpy as np  # 导入numpy工具包
from os import listdir  # 使用listdir模块，用于访问本地文件
from sklearn import neighbors

#加载训练数据
def img2vector(fileName):
    retMat = np.zeros([1024], int)  # 定义返回的矩阵，大小为1*1024
    fr = open(fileName)  # 打开包含32*32大小的数字文件
    lines = fr.readlines()  # 读取文件的所有行
    for i in range(32):  # 遍历文件所有行
        for j in range(32):  # 并将01数字存放在retMat中
            retMat[i * 32 + j] = lines[i][j]
    return retMat

def readDataSet(path):
    fileList = listdir(path)  # 获取文件夹下的所有文件
    numFiles = len(fileList)  # 统计需要读取的文件的数目
    dataSet = np.zeros([numFiles, 1024], int)  # 用于存放所有的数字文件
    hwLabels = np.zeros([numFiles])  # 用于存放对应的标签(与神经网络的不同)
    for i in range(numFiles):  # 遍历所有的文件
        filePath = fileList[i]  # 获取文件名称/路径
        digit = int(filePath.split('_')[0])  # 通过文件名获取标签
        hwLabels[i] = digit  # 直接存放数字，并非one-hot向量
        dataSet[i] = img2vector(path + '/' + filePath)  # 读取文件内容
    return dataSet, hwLabels

构建KNN分类器
# read dataSet
train_dataSet, train_hwLabels = readDataSet('trainingDigits')
knn = neighbors.KNeighborsClassifier(algorithm='kd_tree', n_neighbors=3)
knn.fit(train_dataSet, train_hwLabels)

#测试集评价
# read  testing dataSet
dataSet, hwLabels = readDataSet('testDigits')
res = knn.predict(dataSet)  # 对测试集进行预测
error_num = np.sum(res != hwLabels)  # 统计分类错误的数目
num = len(dataSet)  # 测试集的数目
print("Total num:", num, " Wrong num:", \
      error_num, "  WrongRate:", error_num / float(num))

预测结果：

Total num: 946  Wrong num: 11   WrongRate: 0.011627906976744186