这里我们一步步的构造使用k-近邻分类器的手写识别系统，为了简单起见，这里构造的系统只能识别数字0到9，参考图2-6，需要识别的数字已经使用图形处理软件，处理成具有相同的色彩和大小：宽高是32像素*32像素的黑白图形。尽管采用文本格式存储图形不能有效地利用内存空间，但是为了方便理解，我们还是将图像转化为文本格式。

1.1，使用k-近邻算法的手写识别系统步骤

(1)收集数据：提供文本文件

(2)准备数据：编写函数classify0()，将图像格式转换为分类器使用的list格式

(3)分析数据：在Python命令提示符中检查数据，确保它符合要求

(4)训练算法：此步骤不适用与k-近邻算法

(5)测试算法：编写函数使用提供的部分数据集作为测试样本，测试样本与非测试样本的区别在于测试样本是已经完成分类的数据，如果预测分类与实际类别不同，则标记为一个错误

(6)使用算法：本例没有完成此步骤，如果感兴趣的话，可以构建完整的应用程序，从图形中提取数字，并完成数字识别

1.2，准备数据：将图像转换为测试向量

实际图形存储在源码的两个子目录中：目标trainingDigits中包含了大约2000个例子，每个例子如图2-6所示，每个数字大约有200个样本;目录testDigits中包含了大约900个测试数据，我们使用目录trainingDigits中的数据训练分类器，使用目录testDigits中的数据测试分类器的效果，两组数据没有覆盖，你可以检查一下这些文件夹的文件是否符合要求。

以上内容为大家介绍了基于PythonK-近邻算法的手写识别系统，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。

上一篇

Python重定向之print >>和sys.stdout

下一篇

python 中 sklearn和Keras机器学习的流程的区别