猫史档案馆

【K4】基于KNN的手写数字识别算法

用户:治愈绾兮查看:286 回复:12 评论:12 创建时间:2023-05-03T09:14:30

算法过程：将用户的输入与样本中的1797项进行比对，把特征的欧式距离最近的5项取出，其中最多的一个标签就是分类结果

沙发自己抢（）

板凳萌新抢

生成怎么要这么久（）

你不会直接n^2遍历的吧（）

n：精细度；n^2：“面积”

如果画笔面积相同，你为什么不边画边输入数据（）

然后在data[i]坐标处生成像素圆

直接把消耗降低1145141919810倍（）

不行不行，最后要的数据没有那么多，那样反而时间复杂度更高

算法过滤掉一些，或者一定距离（或单位时间）内不加入数据

像素生成有点意思（）

公式你应该是筛选了像素点，然后“锐化”图像，生成公式（？）

KNN？有点意思。

确实挺好就是速度有些慢

还好吧（）（）

果然这种算法3的识别率很差

确实，3长得太像9了

或者说你的画板识别分辨率不够

3老是认成9这应该不是算法的缺陷,而是代码有问题.3的特征没有找准

不不不，KNN的算法都是一致的，特征也不重要，我用的是sklearn的数据，理论上准确度有98%，应该是分辨率问题，不过提高分辨率太麻烦了

行罢

写3变成2是什么情况（）

不得不说分辨率不够，像素化后快变成浆糊

顶（）

开源力（

《3=8》