# Optimizing the KNN Algorithm for Cat and Dog Recognition project using Lazypredictor

**Repository Path**: ipa-project01-palette/optimizing-the-knn-algorithm-for-cat-and-dog-recognition-project-using-lazypredictor

## Basic Information

- **Project Name**: Optimizing the KNN Algorithm for Cat and Dog Recognition project using Lazypredictor
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-11-05
- **Last Updated**: 2025-11-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 猫狗分类（LazyPredict 快速选模 + Gradio 推理）

本项目用 LazyPredict 对多种经典分类器做快速对比，自动选择准确率最高的模型；然后用 Gradio 提供图片上传推理。全流程仅依赖 CPU 和“flat”特征（把图片转成 32x32 灰度并展平为 1024 维）。

**目录结构（保留的核心文件）**
- `train.py`：用 LazyPredict 评估并保存最佳模型到 `models/best_model.pkl`
- `webapp.py`：Gradio 推理应用
- `util.py`：数据读取与 flat 特征构建（支持目录或 zip）
- `requirements.txt`：依赖清单
- `cat_dog_data.zip`：示例数据（若有）

## 快速开始

环境要求：已安装 Python 3.9+，且可使用 `pip` 安装依赖。

1) 安装依赖（使用你的系统 Python，无需虚拟环境）
```powershell
pip install -r requirements.txt
```

2) 训练并保存最佳模型（会自动探测数据路径）
```powershell
python .\train.py
```
说明：脚本会在以下路径中按顺序查找训练数据：
- `../data/train`（文件夹，包含以 `cat.`/`dog.` 开头的图片）
- `../data/train.zip`（zip 包）
- `./cat_dog_data.zip`（仓库根目录）

首次运行会生成并缓存 `X.pkl`/`y.pkl`，后续训练更快。训练结束后，会在控制台打印模型排行榜，并保存最佳模型到 `models\best_model.pkl`。

3) 启动推理 Web 应用
```powershell
python .\webapp.py
```
浏览器打开本地链接，上传一张图片即可得到“cat/dog”的预测（若模型支持概率则一并显示）。

## 常见问题
- 没读取到样本：请检查数据路径是否存在，以及图片命名是否包含 `cat.`/`dog.` 前缀（或上级目录名为 `cat`/`dog`）。
- 想替换自己的数据：把你的数据放到 `../data/train` 或 `../data/train.zip`，结构/命名同上。
- 想减少评估时间：可在 `train.py` 中限制 LazyPredict 的模型集合（例如过滤掉耗时较长的模型）。

## 许可证与作者信息
学号: 202352320205
年级: 2023
专业: 智能科学与技术
班级: 2 班