# OPTIMAL_KNN_MNIST_QUESTION

**Repository Path**: YXY0216/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**: 308
- **Created**: 2025-09-19
- **Last Updated**: 2025-10-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# MNIST KNN 手写数字识别

![model training process](model_training.jpeg)
![webapp screen shot](screen_shot.jpeg)

## 项目简介
本项目基于MNIST数据集，采用K近邻（KNN）算法实现手写数字识别，并通过数据增强（平移、旋转、加噪声）提升模型泛化能力。包含两个主要脚本：

- `optimal_knn.py`：自动寻找最优K值，训练KNN模型并保存，支持数据增强和PCA降维。
- `optimal_knn_webapp.py`：基于Gradio的Web应用，用户可在画板上手写数字，模型实时预测结果。

## 依赖环境
- Python 3.8+
- numpy
- matplotlib
- scikit-learn
- joblib
- tqdm
- gradio
- tensorflow
- scipy

安装依赖：
```bash
pip install numpy matplotlib scikit-learn joblib tqdm gradio tensorflow scipy
```

## 使用说明
1. 运行 `optimal_knn.py`，自动下载MNIST数据集，完成数据增强、训练、模型保存和准确率曲线绘制。
2. 运行 `optimal_knn_webapp.py`，启动Web界面。
3. 在浏览器打开 http://127.0.0.1:7860 ，用白色画笔在黑色背景上手写数字（28x28），点击提交即可获得预测结果。

## 主要特性
- 支持MNIST全量数据，训练集自动增强，提升KNN泛化能力。
- 自动标准化、PCA降维，提升KNN效率。
- Web端输入与训练集风格完全一致，识别准确率高。
- 结果可视化，自动保存最优模型和准确率曲线。

## 个人信息
- 学号: 202352320208
- 年级: 2023
- 专业: 智能科学与技术
- 班级: 二班