项目案例: 手写数字识别系统

完整代码地址

项目概述

构造一个能识别数字 0 到 9 的基于 KNN 分类器的手写数字识别系统。
需要识别的数字是存储在文本文件中的具有相同的色彩和大小：宽高是 32 像素 * 32 像素的黑白图像。

开发流程

  1. 收集数据：提供文本文件。
  2. 准备数据：编写函数 img2vector(), 将图像格式转换为分类器使用的向量格式
  3. 分析数据：在 Python 命令提示符中检查数据，确保它符合要求
  4. 训练算法：此步骤不适用于 KNN
  5. 测试算法：编写函数使用提供的部分数据集作为测试样本，测试样本与非测试样本的
  6.          区别在于测试样本是已经完成分类的数据，如果预测分类与实际类别不同，
  7.          则标记为一个错误
  8. 使用算法：本例没有完成此步骤，若你感兴趣可以构建完整的应用程序，从图像中提取
  9.          数字，并完成数字识别，美国的邮件分拣系统就是一个实际运行的类似系统

收集数据: 提供文本文件

压缩包 trainingDigits.zip 中包含了大约 2000 个例子，每个例子内容如下图所示，每个数字大约有 200 个样本；目录 testDigits 中包含了大约 900 个测试数据。下载后解压。
手写数字数据集的例子

准备数据: 编写函数 img2vector(), 将图像文本数据转换为分类器使用的向量

将图像文本数据转换为向量

  1. def img2vector(filename):
  2.     returnVect = zeros((1,1024))
  3.     fr = open(filename)
  4.     for i in range(32):
  5.         lineStr = fr.readline()
  6.         for j in range(32):
  7.             returnVect[0,32*i+j] = int(lineStr[j])
  8.     return returnVect

分析数据：在 Python 命令提示符中检查数据，确保它符合要求

在 Python 命令行中输入下列命令测试 img2vector 函数，然后与文本编辑器打开的文件进行比较:

  1. >>> testVector = kNN.img2vector('testDigits/0_13.txt')
  2. >>> testVector[0,0:32]
  3. array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
  4. >>> testVector[0,32:64]
  5. array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

训练算法：此步骤不适用于 KNN

因为测试数据每一次都要与全量的训练数据进行比较，所以这个过程是没有必要的。

测试算法：编写函数使用提供的部分数据集作为测试样本，如果预测分类与实际类别不同，则标记为一个错误

  1. def handwritingClassTest():
  2.     # 1. 导入训练数据
  3.     hwLabels = []
  4.     trainingFileList = listdir('data/2.KNN/trainingDigits')  # load the training set
  5.     m = len(trainingFileList)
  6.     trainingMat = zeros((m, 1024))
  7.     # hwLabels存储0～9对应的index位置， trainingMat存放的每个位置对应的图片向量
  8.     for i in range(m):
  9.         fileNameStr = trainingFileList[i]
  10.         fileStr = fileNameStr.split('.')[0]  # take off .txt
  11.         classNumStr = int(fileStr.split('_')[0])
  12.         hwLabels.append(classNumStr)
  13.         # 将 32*32的矩阵->1*1024的矩阵
  14.         trainingMat[i, :] = img2vector('data/2.KNN/trainingDigits/%s' % fileNameStr)
  16.     # 2. 导入测试数据
  17.     testFileList = listdir('data/2.KNN/testDigits')  # iterate through the test set
  18.     errorCount = 0.0
  19.     mTest = len(testFileList)
  20.     for i in range(mTest):
  21.         fileNameStr = testFileList[i]
  22.         fileStr = fileNameStr.split('.')[0]  # take off .txt
  23.         classNumStr = int(fileStr.split('_')[0])
  24.         vectorUnderTest = img2vector('data/2.KNN/testDigits/%s' % fileNameStr)
  25.         classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)
  26.         print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr)
  27.         if (classifierResult != classNumStr): errorCount += 1.0
  28.     print "\nthe total number of errors is: %d" % errorCount
  29.     print "\nthe total error rate is: %f" % (errorCount / float(mTest))

使用算法：本例没有完成此步骤，若你感兴趣可以构建完整的应用程序，从图像中提取数字，并完成数字识别，美国的邮件分拣系统就是一个实际运行的类似系统。

本项目转载自：apachecn/AiLearning