import numpy as np
import os
import operator
def img2vector(filename):
"""想不通为什么要用文本形式存数字，真是zz"""
ret_val = np.zeros((1,1024))
with open(filename,'r') as f:
lines = f.readlines()
for i1,line in enumerate(lines):
for i2,c in enumerate(line.strip()):
ret_val[0,i1*32+i2] = int(c)
return ret_val
def handwriting_class_test():
labels = []
# 返回该文件夹下文件或文件夹名字，升序
trainling_file_list = os.listdir('./trainingDigits')
# 初始化一个空的训练矩阵，放一个个数据
training_mat = np.zeros((len(trainling_file_list),1024))
# 把文件一个个提取
for i,item in enumerate(trainling_file_list):
# 某一个文件
file_name_str = item
# 文件去后缀
file_str = file_name_str.split('.')[0]
# 这个文件代表数字几
class_num_str = int(file_str.split('_')[0])
# 把数字标签放进去
labels.append(class_num_str)
# 把文件变成向量并填到矩阵的一行
training_mat[i,:] = img2vector('./trainingDigits/%s' % file_name_str)
# 大部分和上面类似
test_file_list = os.listdir('./testDigits')
error = 0.
for i,item in enumerate(test_file_list):
file_name_str = item
file_str = file_name_str.split('.')[0]
class_num_str = int(file_str.split('_')[0])
vector_under_test = img2vector('./testDigits/%s' % file_name_str)
# 进行测试，k取3，在海量训练集中找最近的三个
result = classify0(vector_under_test,training_mat,labels,3)
# 想看匹配情况去掉注释
# print("the classifier came back with: %d, the real answer is: %d"\
# % (result,class_num_str))
# 分错了就计个数
if(result != class_num_str) : error += 1.0
# 显而易见
print("the total number of errors is: %d" % error)
print("the accuracy rate is: %f" % (1 - error/float(len(test_file_list))))
def classify0(in_x,dataset,labels,k):
"""简单分类器1"""
# 行，也即点的个数，每个点一行表示，提取几行就几个点
dataset_size = dataset.shape[0]
# 纵向拓展一下输入的x，让它可以和原来的所有向量批量求差
diff_mat = np.tile(in_x,(dataset_size,1)) - dataset
# 求差的平方和
sq_diff_mat = diff_mat**2
# 在计算距离的时候，如果有个维度的数值很大，那么将直接影响计算的结果
# 简单归一化new_value = (old_value - min)/(max-min)
distance = (sq_diff_mat.sum(axis=1))**0.5 # 求与每一个点的距离平方，是列向量
# 返回数组从小到大的索引，ndarray
sorted_distance_indices = distance.argsort()
# 弄个空的
class_count = {}
for i in range(k):
# 把刚距离由小到大的label放进去
vote_label = labels[sorted_distance_indices[i]]
# 对每个label进行计数
# dict.get前面是key，不存在赋0，存在返回原有的值
class_count[vote_label] = class_count.get(vote_label,0)+1
# 定义一个排序，排的是计数的所有内容，第二个域（第二维变量）
# 改成operator.itemgetter(1，0)就会参造第二维先，再考虑第一维
sorted_class_count = sorted(class_count.items(),
key = operator.itemgetter(1),reverse=True)
# 这里得到的B是[('B', 2), ('A', 1)]
# 这个对应的就是标签号了
return sorted_class_count[0][0]
def save_to_img(arr):
# 随便把某个向量化后的数字放进来就能保存成图片
import scipy.misc
scipy.misc.imsave('outfile.jpg', arr)
def main():
# arr = img2vector('./testDigits/5_13.txt')
# arr = np.reshape(arr,(32,32))
# save_to_img(arr)
handwriting_class_test()
if __name__ == '__main__':
main()
