本文共 5740 字，大约阅读时间需要 19 分钟。

目录

数字识别所用文件来源：

（一）训练集文件列表

           32行32列

（二）拿文件，读原数据 

这一步的目标是：读取每一个txt，得到原数据

（1）读取小提示

 输出：

 默认读出的是科学计数法的数字，我们要得到原来的数据，则在加载文件时加上dtype为str

结果（原txt文件里每行数据时隔以为列表）：

 （三）数据处理

这一步的目标是：每一个txt的数据（即上图的一维数组）处理为一行1024，即32x32个数字,并且转为int方便knn计算

（1）将上图变成二维数组再展平就是一行了

问题：1、这里一串字符串要变成二维数组的一行，怎么转？

          解法：拿到这个红框，用list(map(int,红框))   ----》[0,0,0,0,0,0,0,0,0]

          2、二维数组的第二行以及往下多行怎么赋值？

          解法：用上图列表的下标作为二维数组的行坐标

实践：

（四）将上一步的一行1024个0,1赋值给最终的数组（knn计算的数组）

 问题：一个txt文件就是最终数组的一行，这个行的下标怎么定呢？

解决：第一个for就应该取个枚举，所以修改第一个for的代码（还要在第一个for之前定义一个最终数组）

加上存储到最终数组的代码后，目前的完整代码如下：（不再拿两个文件，而是拿全部）

import osimport pandas as pdimport numpy as nppath = 'C:\\Users\\Administrator\\Desktop\\数字识别\\trainingDigits'file_list = os.listdir(path)#列出trainingDigits文件夹下的所有文件final_arr = np.zeros((len(file_list),1025))#1025的原因是最后一列最为标签for file_index,file_name in enumerate(file_list):#拿全部文件    tag = file_name[0] #取文件名第一个数字作为标签，0~9的数字    txt = np.loadtxt(path+'\\'+file_name,dtype=str) #读取文件    # print(txt)    arr = np.zeros((32,32)) #每个txt赋值到这里，之后展平为1024个数    for index,num_str in enumerate(txt):        arr[index] = np.array(list(map(int,num_str)),dtype=np.int8)    # print(arr)    arr_flatten = arr.flatten()#展平为一行1024个1,0    # print(arr_flatten.size)    #赋值到最终数组,file_index代表了第几个txt也就是赋值都最终数组的第几行    final_arr[file_index,:-1] = arr_flatten#最后一列没赋值，保留做tag    # 最后一列进行赋值，代表此行数据就是0或1，也就是训练集结果    final_arr[file_index, -1] =tag

（五）将最终数组进行保存为训练集的训练结果（分类器）

（六）训练集完成（分类器）

（训练集制作的完整代码）

import osimport pandas as pdimport numpy as nppath = 'C:\\Users\\Administrator\\Desktop\\数字识别\\trainingDigits'file_list = os.listdir(path)#列出trainingDigits文件夹下的所有文件final_arr = np.zeros((len(file_list),1025))#1025的原因是最后一列最为标签for file_index,file_name in enumerate(file_list[:2]):#拿两个文件实验    tag = file_name[0] #取文件名第一个数字作为标签，0~9的数字    txt = np.loadtxt(path+'\\'+file_name,dtype=str) #读取文件    # print(txt)    arr = np.zeros((32,32)) #每个txt赋值到这里，之后展平为1024个数    for index,num_str in enumerate(txt):        arr[index] = np.array(list(map(int,num_str)),dtype=np.int8)    # print(arr)    arr_flatten = arr.flatten()#二维数组展平为一行    # print(arr_flatten.size)    #赋值到最终数组,file_index代表了第几个txt也就是赋值都最终数组的第几行    final_arr[file_index,:-1] = arr_flatten#最后一列没赋值，保留做tag    # 最后一列进行赋值，代表此行数据就是0或1，也就是训练集结果    final_arr[file_index, -1] =tag    name = path.split('\\')[-1]    print(name)    np.savetxt(f'{name}.csv',final_arr,fmt='%d')#保存格式为十进制数字

（七）测试集制作

     32x32

测试集制作与训练集制作流程一样，训练集产生testDigits.csv文件，第1025列也是tag,

现在我们要做的就是：拿testDigits.csv的前1024列对训练集进行测试，测试结果与testDigits.csv的第1025列比对，判断准确率

既然制作流程一致，那就封装个函数：

import osimport pandas as pdimport numpy as npdef data_trans(path):    file_list = os.listdir(path)#列出trainingDigits文件夹下的所有文件    if path == 'C:\\Users\\Administrator\\Desktop\\数字识别\\trainingDigits':        file_list.pop() #trainingDigit最后一个文件有问题就删了    final_arr = np.zeros((len(file_list),1025))#1025的原因是最后一列最为标签    for file_index,file_name in enumerate(file_list):#拿两个文件实验        tag = file_name[0] #取文件名第一个数字作为标签，0~9的数字        txt = np.loadtxt(path+'\\'+file_name,dtype=str) #读取文件        # print(txt)        arr = np.zeros((32,32)) #每个txt赋值到这里，之后展平为1024个数        for index,num_str in enumerate(txt):            arr[index] = np.array(list(map(int,num_str)),dtype=np.int8)        # print(arr)        arr_flatten = arr.flatten()        # print(arr_flatten.size)        #赋值到最终数组,file_index代表了第几个txt也就是赋值都最终数组的第几行        final_arr[file_index,:-1] = arr_flatten#最后一列没赋值，保留做tag        # 最后一列进行赋值，代表此行数据就是0或1，也就是训练集结果        final_arr[file_index, -1] =tag    name = path.split('\\')[-1]    print(name)    np.savetxt(f'{name}.csv',final_arr,fmt='%d')#保存格式为十进制数字if __name__ == '__main__':    path1 = 'C:\\Users\\Administrator\\Desktop\\数字识别\\trainingDigits'    path2 = 'C:\\Users\\Administrator\\Desktop\\数字识别\\testDigits'    data_trans(path1)    data_trans(path2)

以上代码生成两个文件（其实他俩一样，只是一个用来测试，一个用来被测试罢了）：

（八）进行测试（knn算法）

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltdef knn(final_arr,test_arr,k):    """    在test_arr中取出每一行用分类器final_arr进行分类给出标签    计算出的标签与test_arr里的标签对比来计算准确率    :param final_arr: 训练出来的分类器    :param test_arr: 测试集    :k: knn中的k，排序后取样本的数量    :return: 准确率    """    test_arr_rows = test_arr.shape[0] #测试集有多少行    correct_num = 0 # 分类器得到正确tag的个数，用于计算准确率    for i in range(test_arr_rows):        row_to_test = test_arr[i,:-1] #待测试的行        #计算出与分类器每一行的距离（用到数组的广播性质）        distance = np.sqrt(((row_to_test-final_arr[:,:-1])**2).sum(axis=1))        #根据knn算法将距离排序后去前K个做判断标准，        # K个样本中取出标签的众数作为判断结果        #argsort函数返回的是数组值从小到大的索引值        #这个索引值也是final_arr的对应行索引值        distance_sorted_index = distance.argsort()[:k]        #在final_arr中拿到离测试点最近的前k行的tag        k_tags_arr = final_arr[distance_sorted_index,-1]        #取k个tag中的众数，众数函数是在DataFrame中，所以转一下        predict_tag = pd.DataFrame(k_tags_arr).mode()        #mode()返回的是DataFrame，所以取值要predict_tag[0][0]        print('预测值：',predict_tag[0][0])        print('真实值：',test_arr[i,-1])        if predict_tag[0][0] == test_arr[i,-1]:            correct_num += 1    #因为这个准确度要反映到绘图上，所以不能是字符串，还是在绘图时转成%形式吧    # precision = '%.4f%%'%(correct_num/test_arr.shape[0])    precision =correct_num/test_arr.shape[0]    # print('准确度为：',precision)    return precisionif __name__ == '__main__':    final_arr = np.loadtxt('testDigits.csv',dtype=int)#[0 0 0 ... 0 0 0]    test_arr = np.loadtxt('trainingDigits.csv',dtype=int)#不加dtype返回的是浮点数[0. 0. 0. ... 0. 0. 0.]    #测试不同k的准确度    x = list(range(5,15))    y = [] #y用来接收不同k返回的准确度，用于绘图    for k in range(5,15):        precision = knn(final_arr,test_arr,k)        y.append(precision)    print(x)#[5]    print(y)#[0.967408173823073]    #绘图    plt.figure()    plt.plot(x,y,marker='*',markersize=12,ha='center')    for a,b in zip(x,y):        plt.text(a,b,'%.3f%%'%(b*100))    plt.xlabel('k')    plt.ylabel('precision')    plt.show()

测试结果图：可以看出k取5,7时准确率很高

转载地址：http://rdwsi.baihongyu.com/