knn手写数字识别代码

KNN是一种基本的分类算法，它的原理是通过计算待分类数据与已知分类数据之间的距离，选取距离最近的K个已知分类数据，根据这K个数据的分类情况来确定待分类数据的分类。下面是一个简单的Python KNN手写数字识别代码：

import numpy as np
from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split

# 加载数据集
digits = load_digits()
X, y = digits.data, digits.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 训练模型
knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)

# 预测结果
y_pred = knn.predict(X_test)

# 计算准确率
accuracy = np.mean(y_pred == y_test)
print("Accuracy:", accuracy)

该代码使用了scikit-learn库中的KNeighborsClassifier类来实现KNN算法，同时使用了sklearn.datasets中的load_digits函数来加载手写数字数据集。代码首先将数据集划分为训练集和测试集，然后使用训练集来训练模型，最后使用测试集来测试模型的准确率。