'''
本程序用KNN算法实现对手写数据(0-9)的识别,k取值影响算法正确率，大家可以自行测试
k = 8,错误率 22%
k = 5,错误率 17%
k = 4,错误率 14%
k = 3,错误率 11%
k = 2,错误率 13%
'''
from numpy import * #科学运算模块
import operator #运算符模块
from os import listdir
"""
classify0(inX, dataSet, labels, k)是KNN算法分类器，也是这个算法的核心
inX 要识别的数据：1 x 1024数组，一个要识别的图像
dataset 训练数据矩阵：m x 1024，每行是一个训练图像
labels 标签，分类器:1 x m
k 选择近邻的几个
"""
def classify0(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0] #读取矩阵dataset第一维度长度
diffMat = tile(inX, (dataSetSize,1)) - dataSet
#把inx在行上复制成datasetsize行，在列上复制成1列，即不变。
#diffmat：m x 1024，要识别的数据与训练数据矩阵的差值
sqDiffMat = diffMat**2 #sqDiffMat: m x 1024.各个元素分别平方
sqDistances = sqDiffMat.sum(axis=1)#sqDistances:1 x m ,对矩阵每行求和
distances = sqDistances**0.5 #开根号 distances :1 x m
#以上是求距离，就是坐标上两点之间距离的求法的拓展
sortedDistIndicies = distances.argsort() #升序排序，返回索引值 （2,4,1）排序后返回（2,0,1）
classCount={} #分类做key，次数做value
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]] #得到分类voteIlabel
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
#get(voteIlabel,0)：如果字典中该(voteIlabel,0)数据没有则添加，如果有就获取voteIlabel对应的value值
sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)#以value升序排序，返回key-value二维数组
return sortedClassCount[0][0] #返回出现次数最多的分类
"""
img2vector(filename)把图片（32 x 32的二进制）转化成1 x1024 的向量（用数组存储）
"""
def img2vector(filename):
returnVect = zeros((1,1024)) #创建1 x 1024的全0矩阵
fr = open(filename)
for i in range(32):
lineStr = fr.readline()
for j in range(32):
returnVect[0,32*i+j] = int(lineStr[j])
return returnVect #返回该数组
"""
handwritingClassTest()是测试分类器函数
"""
def handwritingClassTest():
hwLabels = [] #存储所有分类，0-9
trainingFileList = listdir('trainingDigits') #listdir(path)获取path文件夹下的全部文件目录
m = len(trainingFileList)
trainingMat = zeros((m,1024))# 创建m x 1024的训练矩阵，每行都是一个图像
for i in range(m):
#从文件名中解析分类数字，eg： 9_45.txt表示它是9 的第45个实例
fileNameStr = trainingFileList[i]
fileStr = fileNameStr.split('.')[0] #去掉 .txt
classNumStr = int(fileStr.split('_')[0])
hwLabels.append(classNumStr) # 添加到分类数组
trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)
testFileList = listdir('testDigits')
errorCount = 0.0
mTest = len(testFileList)
for i in range(mTest):
fileNameStr = testFileList[i]
fileStr = fileNameStr.split('.')[0] #take off .txt
classNumStr = int(fileStr.split('_')[0])
vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)# 1 x 1024数组
classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 15)
print ("the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr))
if (classifierResult != classNumStr): errorCount += 1.0
print ("\nthe total number of errors is: %d" % errorCount)
print ("\nthe total error rate is: %f" % (errorCount/float(mTest)))
handwritingClassTest()
