詳解KNN算法的python實現

'''
本程序用KNN算法實現對手寫數據(0-9)的識別,k取值影響算法正確率,大家可以自行測試
k = 8,錯誤率 22%
k = 5,錯誤率 17%
k = 4,錯誤率 14%
k = 3,錯誤率 11%
k = 2,錯誤率 13%
'''
from numpy import * #科學運算模塊
import operator #運算符模塊
from os import listdir

"""
     classify0(inX, dataSet, labels, k)是KNN算法分類器,也是這個算法的核心
     inX 要識別的數據:1 x 1024數組,一個要識別的圖像
     dataset 訓練數據矩陣:m x 1024,每行是一個訓練圖像
     labels 標籤,分類器:1 x m
     k 選擇近鄰的幾個
"""
def classify0(inX, dataSet, labels, k):

    dataSetSize = dataSet.shape[0] #讀取矩陣dataset第一維度長度
    diffMat = tile(inX, (dataSetSize,1)) - dataSet
    #把inx在行上覆製成datasetsize行,在列上覆製成1列,即不變。
    #diffmat:m x 1024,要識別的數據與訓練數據矩陣的差值
    sqDiffMat = diffMat**2  #sqDiffMat: m x 1024.各個元素分別平方
    sqDistances = sqDiffMat.sum(axis=1)#sqDistances:1 x m ,對矩陣每行求和
    distances = sqDistances**0.5 #開根號 distances :1 x m
    #以上是求距離,就是座標上兩點之間距離的求法的拓展

    sortedDistIndicies = distances.argsort() #升序排序,返回索引值 (2,4,1)排序後返回(2,0,1)
    classCount={}   #分類做key,次數做value
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]] #得到分類voteIlabel
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
        #get(voteIlabel,0):如果字典中該(voteIlabel,0)數據沒有則添加,如果有就獲取voteIlabel對應的value值
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)#以value升序排序,返回key-value二維數組
    return sortedClassCount[0][0] #返回出現次數最多的分類


"""
img2vector(filename)把圖片(32 x 32的二進制)轉化成1 x1024 的向量(用數組存儲)
"""
def img2vector(filename):
    returnVect = zeros((1,1024)) #創建1 x 1024的全0矩陣
    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           #返回該數組

"""
handwritingClassTest()是測試分類器函數
"""
def handwritingClassTest():
    hwLabels = [] #存儲所有分類,0-9
    trainingFileList = listdir('trainingDigits') #listdir(path)獲取path文件夾下的全部文件目錄
    m = len(trainingFileList)
    trainingMat = zeros((m,1024))# 創建m x 1024的訓練矩陣,每行都是一個圖像
    for i in range(m):
        #從文件名中解析分類數字,eg: 9_45.txt表示它是9 的第45個實例
        fileNameStr = trainingFileList[i]
        fileStr = fileNameStr.split('.')[0]     #去掉 .txt
        classNumStr = int(fileStr.split('_')[0])
        hwLabels.append(classNumStr) # 添加到分類數組
        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]     #take off .txt
        classNumStr = int(fileStr.split('_')[0])
        vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)# 1 x 1024數組
        classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 15)
        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)))

handwritingClassTest()

 

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章