# OPTIMAL_KNN_MNIST_QUESTION

**Repository Path**: high-grove/optimal_knn_mnist_question

## Basic Information

- **Project Name**: OPTIMAL_KNN_MNIST_QUESTION
- **Description**: 本项目使用gradio应用在 minist 上训练的最有 KNN 模型就行手写数字识别。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 378
- **Created**: 2025-10-27
- **Last Updated**: 2025-10-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 创建完整的README内容
cat > README.md << 'EOF'
# 最佳 KNN 手写数字识别

## 项目简介
这个项目包含两个主要的 Python脚本：`optimal_knn.py` 和 `optimal_knn_webapp.py`。

`optimal_knn.py` 脚本用于找出最优的 K值，以便在 K 近邻分类器中使用。它首先加载手写数字集，然后尝试不同的 K值，找出能够使模型准确率最高的 K值。最后，它将最优的 KNN 模型保存到一个 pickle 文件中。

`optimal_knn_webapp.py` 脚本使用 [Gradio](https://www.gradio.app/) 库创建一个 web 应用，该应用可以接收用户的手写数字图像输入，然后使用之前保存的最优 KNN 模型进行预测，最后返回预测的数字。

## 安装
以下是安装步骤：

1. 克隆这个仓库到你的本地机器上。
2. 安装必要的 Python 库，包括 sklearn, matplotlib, pickle, tqdm, gradio, numpy, PIL 和 cv2。
3. 运行 `optimal_knn.py` 脚本，生成最优的 KNN 模型。
4. 运行 `optimal_knn_webapp.py` 脚本，启动 web 应用。

## 使用
以下是如何使用我们的项目：

1. 在你的浏览器中打开 web 应用。
2. 在 sketchpad 中绘制一个数字。
3. 点击"提交"，你将看到模型预测的数字。

## 项目成果
- **最优K值**: 1
- **最高准确率**: 98.61%
- **生成文件**: optimal_knn.py, best_knn_model.pkl, accuracy_plot.pdf, optimal_knn_webapp.py

## 个人信息
- 学号: 202452320223
- 姓名: 高琳
- 年级: 2024级
- 专业: 智能科学与技术
- 班级: 智能科学与技术2班
EOF

# 提交更新
git add README.md
git commit -m "Complete README with personal information and project results"
git push origin main