Step 3: Pixel k-NN چالش 3 از جلسهی 32، متوسط
قدم سوم: تابع pixel_distance(a, b) (تعداد پیکسلهای متفاوت) و تابع predict(pixels, train) (برچسب نزدیکترین نمونهی آموزش) را بنویس. برنامه برای یک تصویر «۱» ساده و یک «۴» با نمونههای آموزش کوچک حدس میزند: 1 و 4.
def flatten(rows):
return [int(ch) for row in rows for ch in row]
train = [
(flatten(["00111100", "01000010", "01000010", "01000010", "01000010", "01000010", "01000010", "00111100"]), 0),
(flatten(["00011000", "00111000", "00011000", "00011000", "00011000", "00011000", "00011000", "00111100"]), 1),
(flatten(["00001000", "00011000", "00101000", "01001000", "01111110", "00001000", "00001000", "00001000"]), 4),
]
test_one = flatten(["00011000", "00011000", "00011000", "00011000", "00011000", "00011000", "00011000", "00011000"])
test_four = flatten(["00001000", "00011000", "00101000", "01001000", "01111110", "00001000", "00001000", "00011000"])
def pixel_distance(a, b):
pass
def predict(pixels, train):
pass
print(predict(test_one, train))
print(predict(test_four, train))
راهنما و جواب این چالش · برگشت به درس جلسهی 32: پروژه: شناسای رقم · چالش بعدی: Step 4: Accuracy and Mistakes
بیشتر بخوان: list comprehension در پایتون: از حلقه for تا یک خط کد