mnist手写字体识别之随机森林.zip

mnist手写字体识别之随机森林,包含了python代码，本科实验的作业，实现了随即森科算法的手写字体识别，含mnist数据集，报告基本要求都有

import os
import struct
from array import array
import tensorflow as tf
old_v = tf.logging.get_verbosity（）
tf.logging.set_verbosity（tf.logging.ERROR）
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets（“MNIST_data/“ one_hot=True）
tf.logging.set_verbosity（old_v）

class MNIST（object）:
    def __init__（self path=‘.‘）:
        self.path = path

        self.test_img_fname = ‘t10k-images.idx3-ubyte‘
        self.test_lbl_fname = ‘t10k-labels.idx1-ubyte‘

        self.train_img_fname = ‘train-images.idx3-ubyte‘
        self.train_lbl_fname = ‘train-labels.idx1-ubyte‘
        print（‘Data Loaded from MNIST‘）

        self.test_images = []
        self.test_labels = []

        self.train_images = []
        self.train_labels = []

    def load_testing（self）:
        ims labels = self.load（os.path.join（self.path self.test_img_fname）
                                os.path.join（self.path self.test_lbl_fname））

        self.test_images = ims
        self.test_labels = labels

        return ims labels

    def load_training（self）:
        ims labels = self.load（os.path.join（self.path self.train_img_fname） os.path.join（self.path self.
        train_lbl_fname））

        self.train_images = ims
        self.train_labels = labels

        return ims labels

    @classmethod
    def load（cls path_img path_lbl）:
        with open（path_lbl ‘rb‘） as file:
            magic size = struct.unpack（“>II“ file.read（8））
            if magic != 2049:
                raise ValueError（‘Magic number mismatch expected 2049‘
                                 ‘got {}‘.format（magic））

            labels = array（“B“ file.read（））

        with open（path_img ‘rb‘） as file:
            magic size rows cols = struct.unpack（“>IIII“ file.read（16））
            if magic != 2051:
                raise ValueError（‘Magic number mismatch expected 2051‘
                                 ‘got {}‘.format（magic））

            image_data = array（“B“ file.read（））

        images = []
        for i in range（size）:
            images.append（[0] *rows*cols）

        for i in range（size）:
            images[i][:] = image_data[i*rows*cols:（i + 1）*rows*cols]

        return images labels

    @classmethod
    def display（cls img width=28 threshold=200）:
        render = ‘‘
        for i in range（len（img））:
            if i % width == 0:
                render += ‘\n‘
            if img[i] > threshold:
                render += ‘@‘
            else:
                render += ‘.‘
        return render

mnist = MNIST（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-06-25 22:47  作业五 随机森林\
     文件   155566481  2019-06-10 20:24  作业五 随机森林\MNIST_RFC_pca.pickle
     目录           0  2019-06-21 12:45  作业五 随机森林\MNIST_data\
     文件     1648877  2019-06-10 15:18  作业五 随机森林\MNIST_data\t10k-images-idx3-ubyte.gz
     文件     7840016  1998-01-26 23:07  作业五 随机森林\MNIST_data\t10k-images.idx3-ubyte
     文件        4542  2019-06-10 15:18  作业五 随机森林\MNIST_data\t10k-labels-idx1-ubyte.gz
     文件       10008  1998-01-26 23:07  作业五 随机森林\MNIST_data\t10k-labels.idx1-ubyte
     文件     9912422  2019-06-10 15:18  作业五 随机森林\MNIST_data\train-images-idx3-ubyte.gz
     文件    47040016  1996-11-18 23:36  作业五 随机森林\MNIST_data\train-images.idx3-ubyte
     文件       28881  2019-06-10 15:18  作业五 随机森林\MNIST_data\train-labels-idx1-ubyte.gz
     文件       60008  1996-11-18 23:36  作业五 随机森林\MNIST_data\train-labels.idx1-ubyte
     目录           0  2019-06-21 12:45  作业五 随机森林\__pycache__\
     文件        2568  2019-06-10 15:51  作业五 随机森林\__pycache__\mnist_loader.cpython-37.pyc
     文件        2659  2019-06-10 15:50  作业五 随机森林\mnist_loader.py
     文件        1784  2019-06-10 15:48  作业五 随机森林\随机森林1.py