编辑：dick7

时间：2015-08-12

关键词：k-Nearest Neighbors，k个最临近的邻居

问题模型

---

下面是一幅手写数字的位图

将这幅位图图片转化为数字的函数代码：

def img2vector(filename):

  returnVect = zeros((1,1024))

  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

接下来就是让机器去判断类似的“图案”到底是什么东西。

要实现这个功能，首先要让机器“学”，然后才能让机器“回答”。这个“学”的过程，就是要给机器“一些例子”，让机器去按照 kNN:k-Nearest Neighbors 算法进行“训练”。当机器根据已经归类好的“一些”例子，“训练”好之后，就可以让“训练”好的系统对新输入的“图案”，进行归类。

从以上，可以看出算法具有概率性。检验算法好坏的指标就是“一些例子”的多少，和机器判断的正确率。

算法描述

---

 

所用工具

---

python, numpy, matlibplot

图形结果

---

目录切换好以后，在命令提示符下，输入指令 python，出现“>>>”提示符后，再输入“import kNN”。然后就能运行算法程序了

结果显示

训练样本个数为：1934

测试样本个数为：946

测试错误个数为：11

测试错误率为：0.011628