【KNN近鄰演算法】實現識別簡單數字驗證碼(演算法原理+程式碼筆記)
阿新 • • 發佈:2019-01-24
此筆記適合有一定python基礎,瞭解numpy科學計算庫的人,有一定線性代數基礎的人。對KNN演算法原理了解的更容易看懂,筆者水平受限,寫以下筆記主要目的是分享自己的學習過程以及便於以後複習檢視。
KNN 近鄰演算法實現原理:
實現步驟:
①:處理資料
②:資料向量化
③:計算歐幾里得距離
④:根據距離進行分類
訓練資料和測試資料:(存放在txt檔案裡面)
下載地址:連結:http://pan.baidu.com/s/1jHO0PHs 密碼:5iba
整體思路:核心演算法(演算法思路):
KNN演算法主要實現將傳入的測試資料與訓練資料做對比,其中訓練資料已知型別,測試資料並不知道。
KNN演算法函式是:knn(k,testdata,traindata,labels):
引數解釋:1、k代表訓練樣本的個數。
2、testdata是測試資料(具體格式後面解釋)。
3、traindata是訓練資料(具體格式後面解釋)。
4、labels代表訓練資料對應的類別。
演算法如下:
from numpy import * import operator from os import listdir def knn(k,testdata,traindata,labels): #testdata:[特徵1,特徵2,特徵3] #traindata:[[特徵1,特徵2,特徵3],[特徵1,特徵2,特徵3],[特徵1,特徵2,特徵3]] traindatasize=traindata.shape[0] dif=tile(testdata,(traindatasize,1))-traindata sqdif=dif**2 #sumsqdif已經成為一維的了[a,b,c,d] sumsqdif=sqdif.sum(axis=1) distance=sumsqdif**0.5 sortdistance=distance.argsort() #sortdistance指的是測試資料與各訓練資料的距離由近到遠排序之後的結果列表 count={}#{"類別":"次數"} for i in range(0,k): vote=labels[sortdistance[i]]#當前距離的類別是誰(由近至遠) count[vote]=count.get(vote,0)+1 #print(count) sortcount=sorted(count.items(),key=operator.itemgetter(1),reverse=True) return sortcount[0][0]
核心思路:
1、編寫函式將訓練檔案裡面的資料按行讀取一次存放到一個列表arr中
#資料載入,將資料轉換成knn演算法支援的向量。 def datatoarray(fname): #fname是檔名稱 arr=[]#新建一個列表 fh=open(fname) #開啟fname對應的這個檔案 for i in range(0,32): thisline=fh.readline() #按行讀取一次存放到列表中 for j in range(0,32): arr.append(int(thisline[j])) #將按行讀取的結果存放到列表中 return arr#返回列表
2、編寫函式得到每一個訓練樣本的類別
#取檔名字首(類別)
def seplabel(fname):
filestr=fname.split(".")[0] #split函式是分割函式,在這裡是以‘.’分割,並且去前面部分
label=int(filestr.split("_")[0]) #split函式是分割函式,在這裡是以‘_’分割,並且去前面部分,就會得到這個資料的類別,
#主要是因為檔名的格式是形如:8_55,8程式碼這個檔案的正確識別結果應該是8
以上2步是針對單個訓練檔案
3、針對批量訓練檔案,全部轉換成KNN演算法支援的格式,並且將每一個訓練樣本對應的類別存放在將要傳給KNN演算法的列表引數labels中,並且每一個列表元素和格式化後的訓練資料樣本對應
def traindata():
labels=[] #存放類別
trainfile=listdir("D:/trainandtest/traindata") #把資料夾開啟並且把資料夾中所
# 有的檔名存放在列表中,為了最後放在datatoarray函式的arr裡(那裡面也是列表型別)
num=len(trainfile)
#建立一個列為1024,行為num的陣列模型
trainarr=zeros((num,1024))
# {
# [
# [ ]
# [ ]
# [ ]
# [ ] num為行數,1024是每一行存放的特徵數目
# ]}
for i in range(0,num):
thisname=trainfile[i]
thislabel=seplabel(thisname)
labels.append(thislabel)
trainarr[i,:]=datatoarray("D:/trainandtest/traindata/"+thisname)
return trainarr,labels
4、其他操作:
trainarr,labels=traindata() #得到訓練樣本的類別,及轉換成KNN演算法支援的向量格式
thistestfile="5_66.txt" #當前要測試的檔案
testarr=datatoarray("D:/trainandtest/testdata/"+thistestfile) #把測試檔案轉換成KNN支援的向量格式
rst=knn(3,testarr,trainarr,labels) #呼叫KNN演算法實現識別,並且把值返回給rst
print "this writing's classify is",rst
完整程式碼:
#Wrting shibie system.
# encoding=utf-8
#numpy是處理二維矩陣的科學計算庫
from numpy import *
import operator
from os import listdir
def knn(k,testdata,traindata,labels):
#testdata:[特徵1,特徵2,特徵3]
#traindata:[[特徵1,特徵2,特徵3],[特徵1,特徵2,特徵3],[特徵1,特徵2,特徵3]]
traindatasize=traindata.shape[0]
dif=tile(testdata,(traindatasize,1))-traindata
sqdif=dif**2
#sumsqdif已經成為一維的了[a,b,c,d]
sumsqdif=sqdif.sum(axis=1)
distance=sumsqdif**0.5
sortdistance=distance.argsort()
#sortdistance指的是測試資料與各訓練資料的距離由近到遠排序之後的結果列表
count={}#{"類別":"次數"}
for i in range(0,k):
vote=labels[sortdistance[i]]#當前距離的類別是誰(由近至遠)
count[vote]=count.get(vote,0)+1
#print(count)
sortcount=sorted(count.items(),key=operator.itemgetter(1),reverse=True)
return sortcount[0][0]
#資料載入,將資料轉換成knn演算法支援的向量。
def datatoarray(fname):
arr=[]
fh=open(fname)
for i in range(0,32):
thisline=fh.readline()
for j in range(0,32):
arr.append(int(thisline[j]))
return arr
#a=datatoarray("D:/Python35/traindata/0_3.txt")
#取檔名字首(類別)
def seplabel(fname):
filestr=fname.split(".")[0]
label=int(filestr.split("_")[0])
return label
#建立訓練資料
#labels:[類別,類別,類別,類別]
#tainarr:[[特徵1,特徵2,特徵3],[特徵1,特徵2,特徵3],[特徵1,特徵2,特徵3]]
def traindata():
labels=[] #存放類別
trainfile=listdir("D:/trainandtest/traindata") #把資料夾開啟並且把資料夾中所
# 有的檔名存放在列表中,為了最後放在datatoarray函式的arr裡(那裡面也是列表型別)
num=len(trainfile)
#列為1024,行為num的陣列
trainarr=zeros((num,1024))
# {
# [
# [ ]
# [ ]
# [ ]
# [ ] num為行數,1024是每一行存放的特徵數目
# ]}
for i in range(0,num):
thisname=trainfile[i]
thislabel=seplabel(thisname)
labels.append(thislabel)
trainarr[i,:]=datatoarray("D:/trainandtest/traindata/"+thisname)
return trainarr,labels
trainarr,labels=traindata()
thistestfile="5_66.txt"
testarr=datatoarray("D:/trainandtest/testdata/"+thistestfile)
rst=knn(3,testarr,trainarr,labels)
print "this writing's classify is",rst
#小作業
#實現將testdata裡面的資料批量識別(提示:通過迴圈)
#2:實現計算識別準確率SA
執行結果: