利用scikit-learn下的knn实现kaggle的手写数字识别问题

最新推荐文章于 2025-07-15 23:10:14 发布

原创

最新推荐文章于 2025-07-15 23:10:14 发布 · 2.8k 阅读

4 ·

CC 4.0 BY-SA版权

这篇博客介绍了如何利用scikit-learn库中的KNN算法，在Kaggle的Digit Recognizer比赛中进行手写数字识别。通过简单的Python代码（3.5版本）处理数据，训练KNN分类器，并对测试集进行预测。虽然sklearn使得机器学习过程简化，但因数据量大，程序执行时间较长，特别是模型训练阶段。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目的数据来自于kaggle的Digit Recognizer（手写数字识别），https://www.kaggle.com/c/digit-recognizer/data。 python代码如下（python的版本是3.5）：

# -*- coding:utf-8 -*-
'''
Created on 2017年3月28日

@author: okcing

手写数字识别
'''
import csv
from sklearn import neighbors

#导入训练数据和测试数据
def loadData(filename1,filename2,trainDataSet,trainTargetSet,testDataSet):
    with open(filename1,'r') as csvfile1:
        lines1 = csv.reader(csvfile1)
        dataSet = list(