這里我們一步步的構造使用k-近鄰分類器的手寫識別系統(tǒng)，為了簡單起見，這里構造的系統(tǒng)只能識別數(shù)字0到9，參考圖2-6，需要識別的數(shù)字已經(jīng)使用圖形處理軟件，處理成具有相同的色彩和大小：寬高是32像素*32像素的黑白圖形。盡管采用文本格式存儲圖形不能有效地利用內(nèi)存空間，但是為了方便理解，我們還是將圖像轉(zhuǎn)化為文本格式。

1.1，使用k-近鄰算法的手寫識別系統(tǒng)步驟

(1)收集數(shù)據(jù)：提供文本文件

(2)準備數(shù)據(jù)：編寫函數(shù)classify0()，將圖像格式轉(zhuǎn)換為分類器使用的list格式

(3)分析數(shù)據(jù)：在Python命令提示符中檢查數(shù)據(jù)，確保它符合要求

(4)訓練算法：此步驟不適用與k-近鄰算法

(5)測試算法：編寫函數(shù)使用提供的部分數(shù)據(jù)集作為測試樣本，測試樣本與非測試樣本的區(qū)別在于測試樣本是已經(jīng)完成分類的數(shù)據(jù)，如果預測分類與實際類別不同，則標記為一個錯誤

(6)使用算法：本例沒有完成此步驟，如果感興趣的話，可以構建完整的應用程序，從圖形中提取數(shù)字，并完成數(shù)字識別

1.2，準備數(shù)據(jù)：將圖像轉(zhuǎn)換為測試向量

實際圖形存儲在源碼的兩個子目錄中：目標trainingDigits中包含了大約2000個例子，每個例子如圖2-6所示，每個數(shù)字大約有200個樣本;目錄testDigits中包含了大約900個測試數(shù)據(jù)，我們使用目錄trainingDigits中的數(shù)據(jù)訓練分類器，使用目錄testDigits中的數(shù)據(jù)測試分類器的效果，兩組數(shù)據(jù)沒有覆蓋，你可以檢查一下這些文件夾的文件是否符合要求。

以上內(nèi)容為大家介紹了基于PythonK-近鄰算法的手寫識別系統(tǒng)，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。