# OPTIMAL_KNN_MNIST_QUESTION

**Repository Path**: there-is-a-cake/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**: 248
- **Created**: 2024-09-03
- **Last Updated**: 2025-07-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 最佳 KNN 手写数字识别
![model training process](model_training.jpeg)
![webapp screen shot](screen_shot.jpeg)

## 项目简介
这个项目包含三个主要的Python脚本：`optimal_knn.py` ， `optimal_knn_webapp.py`和'predict_digit_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数据集，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。Gradio库使得创建这个用户友好的界面变得简单快捷。

'optimal_knn_webapp_pinecone.py' 脚本使用Gradio库创建了一个用户友好的web应用，该应用允许用户在画布上手绘数字，并通过查询Pinecone向量数据库来预测所绘制的数字。此应用程序利用了OpenCV进行图像预处理，包括转换为灰度图、调整大小和归一化等步骤，以确保输入数据与训练模型时使用的MNIST数据集格式一致。Pinecone被用来存储和检索相似的向量，从而实现对用户绘制数字的高效识别。

## 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. 填充`optimal_knn.py`中所有`#TODO`部分内容，运行脚本，生成最优的KNN模型。
4. 填充`optimal_knn_webapp.py`部中所有`#TODO`部分内容，运行脚本，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。