K--近鄰算法示例

這個實例是一個手寫識別系統，在這個系統中包含2000個訓練數據和900個測試數據。同學們可以在digits.zip下載, (提取碼：23ed)

每個文件名的第一個數字即爲文件內容所代表的數字，我們可以將下面代碼加入到上節的文件中：

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

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))

第一個函數就是將文件內容轉換成矩陣的形式，這裏不再過多解釋。不明白的同學可以看上一節的解釋。這裏主要的是第二個函數。該函數首先將目錄中的文件存儲在列表中，然後從文件名中解析出文件所代表的數字。第二個循環和第一個相同，所以完成一樣的功能，最後輸出分類後的結果，並計算出錯誤率。到此全部結束，是不是很easy？