当前位置：首页 > news >正文

微信公众账号申请注册新浪博客seo

news 2025/10/31 15:38:28

微信公众账号申请注册,新浪博客seo,做一个网站开发要多少钱,站长工具综合查询系统项目要求导入一张包含5000个0-9的手写数字，通过knn算法训练模型识别出新导入的数字。代码实现import numpy as np import cv2 from sklearn.neighbors import KNeighborsClassifier img cv2.imread(digits.png) # 导入训练的模型所需要的图片 img1 cv2.imread(5.p…

项目要求

导入一张包含5000个0-9的手写数字，通过knn算法训练模型识别出新导入的数字。

代码实现

import numpy as np
import cv2
from sklearn.neighbors import KNeighborsClassifier
img = cv2.imread('digits.png') # 导入训练的模型所需要的图片
img1 = cv2.imread('5.png')
grey = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 将图片转换为灰度图
grey1 = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
new = np.array(grey1) # 转换为矩阵
new = new.reshape(1,400).astype(np.float32)
cells = [np.hsplit(i,100) for i in np.vsplit(grey,50)] # 将矩阵中进行水平切割50次，垂直切割100次即分隔成5000份数据
a = np.array(cells)
train = a[:,:50] # 将2500份划分为测试集
test = a[:,50:100] # 将另外2500份数据划分为训练集
train_new = train.reshape(-1,400).astype(np.float32) # 将所有数据转化为包含2500个1行400列数据的二维矩阵
test_new = test.reshape(-1,400).astype(np.float32)
'''添加结果y'''
k = np.arange(10)
labels = np.repeat(k,250)
train_labels = labels[:,np.newaxis]
test_labels = np.repeat(k,250)[:,np.newaxis]
'''使用sklearn库训练模型'''
knn = KNeighborsClassifier(n_neighbors=3) # 设置k值为3
knn.fit(train_new,train_labels)     # 开始训练模型
test_predict = knn.predict(test_new) # 预测训练结果
score=knn.score(test_new,test_labels) # 获取准确率
print('准确率为{}'.format(score))
new_predict = knn.predict(new)  
print('识别为{}'.format(new_predict))

导入的图片：