K-近邻算法识别手写数字代码以及原始资源

本资源包涵了K-近邻算法识别手写数字系统（包括详细的代码注释），和原始训练测试数据。

# -*- coding: utf-8 -*-
“““
Created on Sun Mar 15 15:51:15 2015

@author: bobo
“““

“““
转换图片
“““
import os 
import operator
from numpy import *
import sys
reload（sys）
sys.setdefaultencoding（‘utf8‘）

“““
将每张图片转换成向量形式
即把每张图片转换成一维1*1024矩阵形式
“““
def img2vector（filename）:
    “““
    filename代表文件名称
    “““
    returnVector = zeros（（11024））##声明一个0矩阵
    fr = open（filename）
    for i in range（32）:
        lineStr = fr.readline（）##°每一行文件
        for j in range（32）:
            returnVector[032*i+j] = int（lineStr[j]）##一共32行，全部存储到returnVector里面
    fr.close（）
    return returnVector


def classify（inXdataSetlabelsk）:
    “““
    四个参数，inX是测试向量，dataSet样本向量数据，labels是标签，k是选取前k个做评测
    tile（An）用于重复A矩阵n次    
    argsort（）返回的是数组值从小到大的索引
    list.get（kd）
    get（）相当于一条if...else...语句参数k在字典中，字典将返回list[k];如果参数k不在字典中则返回参数d如果K在字典中则返回k对应的value值；
    例子：
    l = {5:23:4}
    print l.get（30）返回的值是4；
    Print l.get（10）返回值是0；（该例来源于网络）
    “““
    dataSetSize = dataSet.shape[0]##shpe函数用于返回矩阵的长度，如shape[0]返回第一维矩阵长度，shape[1]返回第二维矩阵长度以此类推，还有其他功能执行查阅
    diffMat = tile（inX（dataSetSize1）） - dataSet##tile函数主要功能是重复矩阵多少次，重复了测试向量，与每一个样本相减
    sqDiffMat = diffMat**2##计算平方
    sqDistances = sqDiffMat.sum（axis = 1）##计算矩阵横轴的和
    distances = sqDistances**0.5##平方
    sortedDistIndicies = distances.argsort（）##用argsort排序
    classCount = {}
    for i in range（k）:
        voteLabel = labels[sortedDistIndicies[i]]##通过索引得到前该距离所属的类型
        classCount[voteLabel] = classCount.get（voteLabel0）+1##相应的类型+1
    sortedClassCount = sorted（classCount.iteritems（）key = operator.itemgetter（1）reverse = True）
    return sortedClassCount[0][0]

“““
classTest（）函数用于处理32*32的数据，
“““
def classTest（）:
    file_object = open（‘result.txt‘ ‘w‘）
    Labels = []
    trainingFileList = os.listdir（“./digits/trainingDigits/“）##listdir函数用于获取该目录下的文件列表，并且以数组的方式存储
    length = len（trainingFileList）##获取数组长度
    trainingMat = zeros（（length1024））##声明一个length*1024的矩阵用于存储所有样本的向量形式
    for i in range（length）:
        fileNameStr = trainingFileList[i]##获取列表中每一个文件名（包含扩展名）
        fileName = fileNameStr.split（‘.‘）[0]##获取列表中每一个文件名（不包含扩展名）
        numClass = fileName.split（‘_‘）[0]##获取该文件所属的类别（因为文件名都是以‘数字类别_第几个样本.txt’形式的，所以需要进行两次的split函数）
        Labels.append（numClass）##以队列的形式加入到Labels的队尾
        trainingMat[i:] = img2vector（“./digits/trainingDigits/“+ fileNameStr）##用img2vector（）函数处理32*32的图片矩阵，存入trainingMat中
    testFileList = os.listdir（“./digits/testDigits/“）##测试组的文件列表，下面的代码意思如上，多余的就不写了
    ##erreCount = 0.0
    lengthTest = len（testFileList）
    for i in range（lengthTest）:
        fileNameStr = testFileList[i]
        fileName = fileNameStr.split（‘.‘）[0]
        numClass = fileName.split（‘_‘）[0]
        vectorUnderTest = img2vector（“./digits/testDigits/“+fileNameStr）
        classifierResult =  classify（vectorUnderTesttrainingMatLabels3）
        file_object.write（str（classifierResult）+“       “+str（numClass）+‘\n‘）
        ##print

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件      739988  2015-03-15 16:02  digits.zip
     文件        4164  2015-03-16 16:19  RecongnizeNum.py