机器学习算法（一）之KNN算法代码

千与编程

发布于 2023-04-28 13:32:04

2190

发布于 2023-04-28 13:32:04

KNN算法（K近邻算法）不需要任何框架，仅用单纯的python语言就可以编写，这里不要误会，不是说仅能使用Python语言才行。理论上所有的语言都可以开发。相对来数，Python语言的胶水特性很赞，这也是这两年python语言如此火热的原因之一。

举例说明：使用K近邻算法进行手写数字的识别

这里的手写数字与深度学习中的mnist数据集并不一样（密集恐惧症患者忽略，哈哈哈）

这是由0,1两种数字，如果对图片来说应该是像素值，所组成的图片“0”，分辨率为32x32，他的识别思路乍一看可能有一点抽象，如果我对这些像素进行展开，32x32展开为1x1024的一维张量，就可以识别了。

下面这是手写数字“1”的图片，对其进行相信想象，图片“1”与图片“0”所展开的一维1024张量必然不同，下面我们要做的就是对图片进行分类。

首先进行数据的预处理，将32x32的手写数字图片进行读入转换为1x1024张量

‍

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

数据预处理后我们可以继续具体的手写数字分类

分类主函数

def handwritingClassTest():
    hwLabels = []
    trainingFileList = listdir('trainingDigits')          #将手写数字的数据集进行载入
    m = len(trainingFileList)
    trainingMat = zeros((m,1024))
    for i in range(m):
        fileNameStr = trainingFileList[i]
        fileStr = fileNameStr.split('.')[0]    
        classNumStr = int(fileStr.split('_')[0])
        hwLabels.append(classNumStr)
        trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)
    testFileList = listdir('testDigits')        #对测试集进行遍历读入
    errorCount = 0.0                            #对分类错误的计数变量进行初始化
    mTest = len(testFileList)
    for i in range(mTest):
        fileNameStr = testFileList[i]
        fileStr = fileNameStr.split('.')[0]     
        classNumStr = int(fileStr.split('_')[0])
        vectorUnderTest = img2vector('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)))

手写数字的分类主函数中最为重要的一行，进行真正的分类计算

classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)


def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX, (dataSetSize,1)) - dataSet
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()     
    classCount={}          
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]

在classify0的定义函数中，我们可以看到一共需要进行四个参数的赋值，intx为待分类的张量，dataset为数据集，labels是最终的分类标签，K是一个“超参数”，在程序中进行欧几里得距离的计算，最终进行类别的确定。

欧几里得距离计算公式：