首页 > 学术百科

python识别字母代码_【Python-Opencv】KNN英文字母识别

石油地球物理勘探python识别字母代码_【Python-Opencv】KNN英⽂字母识别特征集分析

数据集为letter-recognition.data，⼀共为20000条数据，以逗号分隔，数据实例如下所⽰，第⼀列为字母标记，剩下的为不同的特征。

T,2,8,3,5,1,8,13,0,6,6,10,8,0,8,0,8

学习⽅法

1、读⼊数据，并去除分隔号

2、将数据第⼀列作为标记，剩下的为训练数据

3、初始化分类器并利⽤训练数据进⾏训练

4、利⽤测试数据验证准确率

中华研修大学

金瓶梅1迅雷下载代码

import cv2

import numpy as np

import matplotlib.pyplot as plt

print 'load data'

data = np.loadtxt('letter-recognition.data',dtype = 'float32',delimiter = ',',

converters= {0: lambda ch: ord(ch)-ord('A')})

print 'split as train,test'

train,test = np.vsplit(data,2)

2-氯-5-甲基吡啶print 'train.shape:\t',train.shape

print 'test.shape:\t',test.shape

print 'split train as the response,trainData'

response,trainData = np.hsplit(train,[1])

print 'response.shape:\t',response.shape

print 'trainData.shape:\t',trainData.shape

print 'split the test as response,trainData'

restest,testData = np.hsplit(test,[1])

print 'Init the knn'

knn = cv2.KNearest()

print 'test the knn'

ret,result,neighbours,dist = knn.find_nearest(testData,5)

print 'the rate:'

correct = np.count_nonzero(result == restest)预计负债

accuracy = correct*100.0/10000

print 'accuracy is',accuracy,'%'

结果

load data

split as train,test

train.shape:(10000, 17)

test.shape:(10000, 17)

split train as the response,trainData response.shape:(10000, 1) trainData.shape:(10000, 16)

split the test as response,trainData Init the knn

test the knn

the rate:

accuracy is 93.22 %

最后的猎鹿者

数据集

本文发布于:2024-09-22 05:39:13，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/326266.html

上一篇：Python编程实现用KNN算法对红酒分类功能

下一篇：机器学习之KNN（四）根据身高体重测肥胖程度例题训练

标签：数据字母训练剩下分隔识别

留言与评论（共有 0 条评论）