功能
利用k-邻近算法，实现识别数字0到9
开发环境Mac
Python3.5(Anaconda)
PIL
numpy
数据集和项目源代码
数据集
下面是32*32的黑白图像
32* 32像素数据集
为了方便处理，提供了文本文件
文本数据
数据集分为训练集和测试集，其中训练集是已经分类好的数据，测试集是用来测试算法。
将数据转换为特征向量
从上图可知，拿到的是32*32的的矩阵，每一个点是一个像素值，将这1024(32
32)个数值，转换成(1，1024)的向量。
数据转换为特征向量
KNN分类器
kNN分类器
输入测试集，测试算法
测试算法
看看选择不同的k值，分类效果如何
取不同的k值
这里看错误的个数，绘制一个折线图
注意：执行时间比较长，去喝杯咖啡吧
这里取1-4，当然你也可以取更高的k值(速度慢)
实验结果证明，取k=3，效果比较好。
txt转换为png图像
为了更具真实性，同样写了txt转换为png的代码。
txt转png
图像转txt文件
image.png
总结
数据集如果稍大一点，执行时间会变得非常长
作者：姜康
链接：/p/a81ce10c4076
