بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 32: پروژه: شناسای رقم Project: Digit Recogniser

با مجموعه‌ای از رقم‌های ۸×۸ (چند نمونه از هر رقم) یک شناسای رقم با k-NN می‌سازیم و دقتش را روی تصویرهای آزمون بالای ۸۰٪ می‌رسانیم.

در این جلسه یاد می‌گیری

درس

پروژه‌ی امروز همان چیزی است که سال‌ها آزمون معروف هوش مصنوعی بود: تشخیص رقم دست‌نویس. نسخه‌ی ما کوچک است: رقم‌های ۰ تا ۴، هر کدام با سه شکل کمی متفاوت (مثل دست‌خط سه نفر). همه در یک متن چندخطی که هر تصویر هشت سطر دارد و بعدش یک خط برچسب.

DATA = '''
00111100
01000010
01000010
01000010
01000010
01000010
01000010
00111100
label 0
...
'''

قدم‌ها: ۱) تجزیه‌ی متن به لیست (pixels, label): هر ۹ خط یک نمونه است (۸ سطر تصویر + ۱ برچسب). ۲) تقسیم: از هر رقم دو نمونه برای آموزش و یکی برای آزمون. ۳) k-NN با k=1 روی پیکسل‌ها. ۴) دقت روی آزمون و فهرست اشتباه‌ها.

def parse(text):
    lines = text.strip().splitlines()
    samples = []
    for start in range(0, len(lines), 9):
        rows = lines[start:start + 8]
        label = int(lines[start + 8].split()[1])
        samples.append((flatten(rows), label))
    return samples

برای k-NN روی تصویر، فاصله‌ی دو تصویر یعنی چند پیکسل فرق دارند (چون پیکسل‌ها ۰ یا ۱ هستند، مربع اختلاف همان اختلاف است). پس حتی جذر هم لازم نیست: فقط بشمار چند جا متفاوت‌اند. این سریع و ساده است.

def pixel_distance(a, b):
    return sum(1 for i in range(len(a)) if a[i] != b[i])

در گزارش پروژه بنویس: دقت روی آزمون (هدف: بالای ۸۰٪)، کدام رقم‌ها با هم اشتباه شدند (مثلاً ۱ و ۷، یا ۳ و ۸ که شکل‌های شبیه دارند)، و یک پیشنهاد برای بهتر شدن: نمونه‌ی بیشتر، ویژگی‌های جلسه‌ی ۳۱، یا k=3. هر دانشمند داده همین سه چیز را گزارش می‌کند.

اگر زود تمام کردی: یک رقم جدید را خودت با رشته‌ها بکش (دست‌خط خودت!) و ببین مدل چه می‌گوید. یا سعی کن با ویژگی‌های half_counts به جای ۶۴ پیکسل کار کنی و دقت را مقایسه کنی.

مثال‌های این جلسه

چالش‌ها

  1. Step 1: Parse the Samples (آسان)
  2. Step 2: Split by Digit (متوسط)
  3. Step 3: Pixel k-NN (متوسط)
  4. Step 4: Accuracy and Mistakes (سخت)

بیشتر بخوان

← جلسه‌ی 31: رقم‌های ۰ تا ۹ جلسه‌ی 33: متن برای کامپیوتر →