KNN 演算法-實戰篇-如何識別手寫數字
阿新 • • 發佈:2020-12-03
> **公號:碼農充電站pro**
> **主頁:**
上篇文章介紹了[KNN 演算法的原理](https://www.cnblogs.com/codeshell/p/14072586.html),今天來介紹如何**使用KNN 演算法識別手寫數字**?
### 1,手寫數字資料集
手寫數字資料集是一個用於影象處理的資料集,這些資料描繪了 **[0, 9]** 的數字,我們可以用**KNN 演算法**來識別這些數字。
[MNIST](http://yann.lecun.com/exdb/mnist/) 是完整的手寫數字資料集,其中包含了60000 個訓練樣本和10000 個測試樣本。
**sklearn** 中也有一個自帶的[手寫數字資料集](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/data/digits.csv.gz):
- 共包含 1797 個數據樣本,每個樣本描繪了一個 **8*8** 畫素的 **[0, 9]** 的數字。
- 每個樣本由 65 個數字組成:
- 前 64 個數字是特徵資料,特徵資料的範圍是 **[0, 16]**
- 最後一個數字是目標資料,目標資料的範圍是 **[0, 9]**
我們抽出 5 個樣本來看下:
```python
0,0,5,13,9,1,0,0,0,0,13,15,10,15,5,0,0,3,15,2,0,11,8,0,0,4,12,0,0,8,8,0,0,5,8,0,0,9,8,0,0,4,11,0,1,12,7,0,0,2,14,5,10,12,0,0,0,0,6,13,10,0,0,0,0
0,0,0,12,13,5,0,0,0,0,0,11,16,9,0,0,0,0,3,15,16,6,0,0,0,7,15,16,16,2,0,0,0,0,1,16,16,3,0,0,0,0,1,16,16,6,0,0,0,0,1,16,16,6,0,0,0,0,0,11,16,10,0,0,1
0,0,0,4,15,12,0,0,0,0,3,16,15,14,0,0,0,0,8,13,8,16,0,0,0,0,1,6,15,11,0,0,0,1,8,13,15,1,0,0,0,9,16,16,5,0,0,0,0,3,13,16,16,11,5,0,0,0,0,3,11,16,9,0,2
0,0,7,15,13,1,0,0,0,8,13,6,15,4,0,0,0,2,1,13,13,0,0,0,0,0,2,15,11,1,0,0,0,0,0,1,12,12,1,0,0,0,0,0,1,10,8,0,0,0,8,4,5,14,9,0,0,0,7,13,13,9,0,0,3
0,0,0,1,11,0,0,0,0,0,0,7,8,0,0,0,0,0,1,13,6,2,2,0,0,0,7,15,0,9,8,0,0,5,16,10,0,16,6,0,0,4,15,16,13,16,1,0,0,0,0,3,15,10,0,0,0,0,0,2,16,4,0,0,4
```
使用該資料集,需要先載入:
```python
> >> from sklearn.datasets import load_digits
>>> digits = load_digits()
```
檢視第一個影象資料:
```python
>>> digits.images[0]
array([[ 0., 0., 5., 13., 9., 1., 0., 0.],
[ 0., 0., 13., 15., 10., 15., 5., 0.],
[ 0., 3., 15., 2., 0., 11., 8., 0.],
[ 0., 4., 12., 0., 0., 8., 8., 0.],
[ 0., 5., 8., 0., 0., 9., 8., 0.],
[ 0., 4., 11., 0., 1., 12., 7., 0.],
[ 0., 2., 14., 5., 10., 12., 0., 0.],
[ 0., 0., 6., 13., 10., 0., 0., 0.]])
```
我們可以用 [matplotlib](https://matplotlib.org/) 將該影象畫出來:
```python
> >> import matplotlib.pyplot as plt
>>> plt.imshow(digits.images[0])
>>> plt.show()
```
畫出來的影象如下,代表 **0**:
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20201130132714324.png?)
### 2,sklearn 對 KNN 演算法的實現
**sklearn** 庫的 [neighbors](https://scikit-learn.org/stable/modules/classes.html#module-sklearn.neighbors) 模組實現了**KNN** 相關演算法,其中:
- `KNeighborsClassifier` 類用於分類問題
- `KNeighborsRegressor` 類用於迴歸問題
這兩個類的構造方法基本一致,這裡我們主要介紹 `KNeighborsClassifier` 類,原型如下:
```python
KNeighborsClassifier(
n_neighbors=5,
weights='uniform',
algorithm='auto',
leaf_size=30,
p=2,
metric='minkowski',
metric_params=None,
n_jobs=None,
**kwargs)
```
來看下幾個重要引數的含義:
- **n_neighbors**:即 **KNN** 中的 K 值,一般使用預設值 5。
- **weights**:用於確定鄰居的權重,有三種方式:
- weights=uniform,表示所有鄰居的權重相同。
- weights=distance,表示權重是距離的倒數,即與距離成反比。
- 自定義函式,可以自定義不同距離所對應的權重,一般不需要自己定義函式。
- **algorithm**:用於設定計算鄰居的演算法,它有四種方式:
- algorithm=auto,根據資料的情況自動選擇適合的演算法。
- algorithm=kd_tree,使用 [KD 樹](https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KDTree.html) 演算法。
- **KD 樹**是一種多維空間的資料結構,方便對資料進行檢索。
- **KD 樹**適用於維度較少的情況,一般維數不超過 20,如果維數大於 20 之後,效率會下降。
- algorithm=ball_tree,使用[球樹](https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.BallTree.html)演算法。
- 與**KD 樹**一樣都是多維空間的資料結構。
- **球樹**更適用於維度較大的情況。
- algorithm=brute,稱為**暴力搜尋**。
- 它和 **KD 樹**相比,採用的是線性掃描,而不是通過構造樹結構進行快速檢索。
- 缺點是,當訓練集較大的時候,效率很低。
- **leaf_size**:表示構造 **KD 樹**或**球樹**時的**葉子節點數**,預設是 30。
- 調整 leaf_size 會影響樹的構造和搜尋速度。
### 3,構造 KNN 分類器
首先載入資料集:
```python
from sklearn.datasets import load_digits
digits = load_digits()
data = digits.data # 特徵集
target = digits.target # 目標集
```
將資料集拆分為**訓練集**(75%)和**測試集**(25%):
```python
from sklearn.model_selection import train_test_split
train_x, test_x, train_y, test_y = train_test_split(
data, target, test_size=0.25, random_state=33)
```
構造**KNN** 分類器:
```python
from sklearn.neighbors import KNeighborsClassifier
# 採用預設引數
knn = KNeighborsClassifier()
```
擬合模型:
```python
knn.fit(train_x, train_y)
```
預測資料:
```python
predict_y = knn.predict(test_x)
```
計算模型準確度:
```python
from sklearn.metrics import accuracy_score
score = accuracy_score(test_y, predict_y)
print score # 0.98
```
最終計算出來模型的準確度是 **98%**,準確度還是不錯的。
### 4,總結
本篇文章使用**KNN 演算法**處理了一個實際的分類問題,主要介紹了以下幾點:
- 介紹了**sklearn** 中自帶的手寫數字集,並用 **matplotlib** 模組畫出了數字影象。
- 介紹了**sklearn** 中 `neighbors.KNeighborsClassifier` 類的用法。
- 使用 `KNeighborsClassifier` 來識別手寫數字。
(本節完。)
---
**推薦閱讀:**
[***KNN 演算法-理論篇-如何給電影進行分類***](https://www.cnblogs.com/codeshell/p/14072586.html)
[***決策樹演算法-理論篇-如何計算資訊純度***](https://www.cnblogs.com/codeshell/p/13984334.html)
[***決策樹演算法-實戰篇-鳶尾花及波士頓房價預測***](https://www.cnblogs.com/codeshell/p/13984334.html)
[***樸素貝葉斯分類-理論篇-如何通過概率解決分類問題***](https://www.cnblogs.com/codeshell/p/13999440.html)
[***樸素貝葉斯分類-實戰篇-如何進行文字分類***](https://www.cnblogs.com/codeshell/p/14034097.html)
---
歡迎關注作者公眾號,獲取更多技術乾貨。
![碼農充電站pro](https://img-blog.csdnimg.cn/20200505082843773.png?#pic