# Python_week16_homework_project

**Repository Path**: clonetiger/Python_week16_homework_project

## Basic Information

- **Project Name**: Python_week16_homework_project
- **Description**: 项目介绍

Python全栈开发第十六周作业。 

作业内容：

一、在 jupyter notebook 中，实现 KNN 算法和 Decision Trees 算法，要求有完整的注释。 

二、手写数字识别

样本中包含1797个手写数字灰度图像，每个图像大小为8*8。使用留出法拆分训练集与测试集，留出10%作为测试集。训练KNN模型，搜索最佳超参数k和p的取值，提升识别准确度。


班级：Python五期 

学员：李子坚
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2018-09-30
- **Last Updated**: 2024-11-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

Python_week16_homework_project

项目介绍

Python全栈开发第十六周作业。 

作业内容：

一、在 jupyter notebook 中，实现 KNN 算法和 Decision Trees 算法，要求有完整的注释。 

二、手写数字识别

样本中包含1797个手写数字灰度图像，每个图像大小为8*8。使用留出法拆分训练集与测试集，留出10%作为测试集。训练KNN模型，搜索最佳超参数k和p的取值，提升识别准确度。


班级：Python五期 

学员：李子坚


软件架构
软件架构说明


安装教程

1.在本文件夹下打开Windows命令窗口：运行jupyter notebook。

2.在jupyter notebook中分别打开KNN.ipynb、DecisionTrees.ipynb、digits.ipynb即可。


使用说明

1.KNN.ipynb			    				            ——作业一、实现 KNN 算法
  
2.DecisionTrees.ipynb								——作业一、实现 Decision Trees 算法
  
3.digits.ipynb			    				        ——作业二、手写数字识别

4.data												——作业一使用的样本集数据文件夹

5.digits											——作业二使用的样本集数据文件夹

6.ML				    				            ——作业二使用的KNN算法包文件夹

7.README.md											——项目说明文件


参与贡献
1.Fork 本项目
2.新建 Feat_xxx 分支
3.提交代码
4.新建 Pull Request


码云特技
1.使用 Readme_XXX.md 来支持不同的语言，例如 Readme_en.md, Readme_zh.md
2.码云官方博客 blog.gitee.com 
3.你可以 https://gitee.com/explore 这个地址来了解码云上的优秀开源项目
4. GVP 全称是码云最有价值开源项目，是码云综合评定出的优秀开源项目
5.码云官方提供的使用手册 http://git.mydoc.io/ 
6.码云封面人物是一档用来展示码云会员风采的栏目 https://gitee.com/gitee-stars/