【机器学习】手写数字识别算法

1.数据准备

样本数据获取忽略，实际上就是将32*32的图片上数字格式化成一个向量，如下：

本demo所有样本数据都是基于这种格式的

训练数据：将图片数据转成1*1024的数组，作为一个训练数据。

训练数据集：https://github.com/zimuqi/machine_Learning/tree/master/ch02/trainingDigits

测试数据集：https://github.com/zimuqi/machine_Learning/tree/master/ch02/testDigits

样本的文件名格式为：真实值_xxx.txt

转换代码：

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

2.测试算法

def handwritingClassTest():
    hwLabels=[]    # 训练样本的标签数组
    traningFileList=listdir("trainingDigits")    # 获取所有的训练样本目录下的文件名
    m=len(traningFileList)
    traningMat=zeros((m,1024))    # 初始化训练样本数列

    for i in range(m):
        fileNameStr=traningFileList[i]    # 获取文件名
        fileStr=fileNameStr.split(".")[0]   
        clasNumStr=int(fileStr.split("_")[0])    # 获取样本的实际值 放入标签数组
        hwLabels.append(clasNumStr)
        traningMat[i,:]=img2vector("trainingDigits/{}".format(fileNameStr))    # 将样本转化成1*1024的行放入训练样本数列

    testFileList=listdir("testDigits")    # 测试样本目录
    error=0
    mtest=len(testFileList)
    for i in range(mtest):
        fileNameStr=testFileList[i]
        fileStr=fileNameStr.split(".")[0]
        clasNumStr=int(fileStr.split("_")[0])
        testMat=img2vector("testDigits/{}".format(fileNameStr))
        res=classify(testMat,traningMat,hwLabels,3)     # 使用分类器分类
        print "came bank with:{} the real anwser is:{}".format(clasNumStr,res)
        if clasNumStr!=res:    # 对比与真实的结果 计算错误率
            error+=1

    print "total:{}".format(mtest)
    print "error:{}".format(error)
    print "error:{}".format(float(error/mtest))

这个案例中 算法的识别率为：98.84%

classify是分类器 上上一篇文章中有写到，具体了解可以点击这里