概述
詳細
前言
k-近鄰（kNN, k-NearestNeighbor）算法是一種基本分類與回歸方法，
通俗點來說，就是給定一個訓練數據集，對新的輸入實例，在訓練數據集中找到與該實例最鄰近的 k 個實例，這 k 個實例的多數屬於某個類，就把該輸入實例分為這個類。
python 第三方庫scikit-learn(sklearn)提供了knn的分類器。
MNIST手寫數字數據庫（Mixed National Institute of Standards and Technology database）包含
70000張手寫數字圖片。這些數字是通過美國國家統計局的員工和美國高校的學生收集的。每張圖片
都是28x28的灰度圖。
用mnist數據集訓練出一個knn分類器，對新輸入的手寫數字進行識別。
准備工作
1.安裝必要的第三方庫：
pip install scikit-learn
pip install numpy
pip install wxPython
安裝PIL,在以下地址下載PIL庫進行安裝:
http://effbot.org/media/downloads/PIL-1.1.7.win32-py2.7.exe
（或在http://effbot.org/downloads/ 中找到與你操作系統及python版本相對應
版本的PIL)
2.下載mnist數據集：
可以從以下地址下載mnist數據集。
http://yann.lecun.com/exdb/mnist/
如下：
項目結構圖
整體的項目結構十分簡單，一共兩個腳本文件，一個是GUI界面腳本（digit_gui.py)，
一個是分類器腳本(model.py)。
如下：
實現過程的部分代碼展示
1. 在model.py中導入相關的庫：
import numpy as np import os from PIL import Image import random from sklearn.neighbors import KNeighborsClassifier as knn from sklearn.externals import joblib
2. 編寫model.py中的相關函數，
將圖片轉為向量：
def img2vec(fname):
'''將jpg等格式的圖片轉為向量'''
im = Image.open(fname).convert('L')
im = im.resize((28,28))
tmp = np.array(im)
vec = tmp.ravel()
return vec
隨機抽取1000張圖片作為訓練集:
def split_data(paths):
'''隨機抽取1000張圖片作為訓練集'''
fn_list = os.llistdir(paths)
X = []
y = []
d0 = random.sample(fn_list,1000)
for i,name in enumerate(d0):
y.append(name[0])
X.append(img2vec(name))
dataset = np.array([X,y])
return X,y
構建分類器:
def knn_clf(X_train,label):
'''構建分類器'''
clf = knn()
clf.fit(X_train,label)
return clf
保存模型：
def save_model(model,output_name):
'''保存模型'''
joblib.dump(model,ouotput_name)
3. 訓練模型：
X_train,y_label = split_data(file_path) clf = knn_clf(X_train,y_label) save_model(clf,'mnist_knn1000.m')
4. 在digit_gui.py中編寫用戶界面：
導入相關的庫：
import wx from collections import namedtuple from PIL import Image import os import model
編寫界面：
class MainWindow(wx.Frame):
def __init__(self,parent,title):
wx.Frame.__init__(self,parent,title=title,size=(600,-1))
static_font = wx.Font(12, wx.SWISS, wx.NORMAL, wx.NORMAL)
Size = namedtuple("Size",['x','y'])
s = Size(100,50)
sm = Size(100,25)
self.fileName = None
self.model = model
b_labels = [u'open',u'run']
TipString = [u'選擇圖片', u'識別數字']
funcs = [self.choose_file,self.run]
'''create input area'''
self.in1 = wx.TextCtrl(self,-1,size = (2*s.x,3*s.y))
self.out1 = wx.TextCtrl(self,-1,size = (s.x,3*s.y))
'''create button'''
self.sizer0 = wx.FlexGridSizer(rows=1, hgap=4, vgap=2)
self.sizer0.Add(self.in1)
buttons = []
for i,label in enumerate(b_labels):
b = wx.Button(self, id = i,label = label,size = (1.5*s.x,s.y))
buttons.append(b)
self.sizer0.Add(b)
self.sizer0.Add(self.out1)
'''set the color and size of labels and buttons'''
for i,button in enumerate(buttons):
button.SetForegroundColour('red')
button.SetFont(static_font)
button.SetToolTipString(TipString[i])
button.Bind(wx.EVT_BUTTON,funcs[i])
'''layout'''
self.SetSizer(self.sizer0)
self.SetAutoLayout(1)
self.sizer0.Fit(self)
self.CreateStatusBar()
self.Show(True)
界面如下：
編寫控件的回調函數：
def run(self,evt):
if self.fileName is None:
self.raise_msg(u'請選擇一幅圖片')
return None
else:
model_path = os.path.join(origin_path,'mnist_knn1000.m')
clf = model.load_model(model_path)
ans = model.tester(self.fileName,clf)
self.out1.Clear()
self.out1.write(str(ans))
def choose_file(self,evt):
'''choose img'''
dlg = wx.FileDialog(
self, message="Choose a file",
defaultDir=os.getcwd(),
defaultFile="",
wildcard=wildcard,
style=wx.OPEN | wx.MULTIPLE | wx.CHANGE_DIR
)
if dlg.ShowModal() == wx.ID_OK:
paths = dlg.GetPaths()
dlg.Destroy()
self.in1.Clear()
self.in1.write(paths[0])
self.fileName = paths[0]
im = Image.open(self.fileName)
im.show()
else:
return None
運行效果
注：本文著作權歸作者，由demo大師發表，拒絕轉載，轉載需要作者授權