《機器學習實戰》學習筆記3
阿新 • • 發佈:2019-02-14
2.3示例:手寫識別系統
2.3.1準備資料:將影象轉換為測試向量
在測試函式時容易出現如下圖中的錯誤
檔案在多級目錄下,檔名由數字組成,程式不可執行,此時應記得對檔名進行轉義 2.3.2 測試演算法:使用k-近鄰演算法識別手寫數字 將以下手寫數字識別系統的測試程式碼寫入kNN.py檔案之前,必須將from os import listdir 寫入檔案的起始部分,該函式可以列出給定目錄的檔名
此時同樣要注意對檔名進行轉義 在python命令提示符中輸入kNN.handwritingClassTest(),測試該函式輸出結果。輸出結果如下圖所示:
def img2vector(filename):
returnVect = np.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
在python命令列中輸入下列命令測試img2vector函式
在測試函式時容易出現如下圖中的錯誤
檔案在多級目錄下,檔名由數字組成,程式不可執行,此時應記得對檔名進行轉義 2.3.2 測試演算法:使用k-近鄰演算法識別手寫數字 將以下手寫數字識別系統的測試程式碼寫入kNN.py檔案之前,必須將from os import listdir 寫入檔案的起始部分,該函式可以列出給定目錄的檔名
def handwritingClassTest(): hwLabels = [] trainingFileList = listdir('F:\\MachineLearninginaction\\Ch02\\trainingDigits') #load the training set m = len(trainingFileList) trainingMat = np.zeros((m,1024)) for i in range(m): fileNameStr = trainingFileList[i] fileStr = fileNameStr.split('.')[0] #take off .txt classNumStr = int(fileStr.split('_')[0]) hwLabels.append(classNumStr) trainingMat[i,:] = img2vector('F:\\MachineLearninginaction\\Ch02\\trainingDigits\\%s' % fileNameStr) testFileList = listdir('F:\\MachineLearninginaction\\Ch02\\testDigits') #iterate through the test set 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('F:\\MachineLearninginaction\\Ch02\\testDigits\\%s' % fileNameStr) classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3) 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))
此時同樣要注意對檔名進行轉義 在python命令提示符中輸入kNN.handwritingClassTest(),測試該函式輸出結果。輸出結果如下圖所示: