手写识别系统（k-近邻算法） - marlonlyh的博客 - CSDN博客
k-近邻算法（kNN）是机器学习中一个相对比较简单的算法。该算法在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较（比如通过欧氏距离），找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类，其算法的描述为：
1）计算测试数据与各个训练数据之间的距离；
2）按照距离的递增关系进行排序；
3）选取距离最小的K个点；
4）确定前K个点所在类别的出现频率；
5）返回前K个点中出现频率最高的类别作为测试数据的预测分类。
以下代码是通过kNN算法实现的手写识别系统。其中每个输入数据为32*32的二值图像，数据存储在txt文件中（32行*32列）。文件命名为诸如"0_0.txt"的形式。其中，"_"左边的0为其实际标签（实际类），右边的0为数据的编号。
Read full article from 手写识别系统（k-近邻算法） - marlonlyh的博客 - CSDN博客
No comments:
Post a Comment