# OPTIMAL_KNN_MNIST_QUESTION

**Repository Path**: li-kun-zhe/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**: 297
- **Created**: 2025-09-19
- **Last Updated**: 2025-09-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 最佳 KNN 手写数字识别
![训练过程](modle_training.png)
![效果图](%E6%95%88%E6%9E%9C%E5%9B%BE1.png)
![输入图片说明](%E6%95%88%E6%9E%9C%E5%9B%BE2.png)
![输入图片说明](%E6%95%88%E6%9E%9C%E5%9B%BE3.png)

## 项目简介
这个项目包含两个主要的Python脚本：`optimal_knn.py` 和 `optimal_knn_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。

## 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. 建议使用虚拟环境管理依赖。
3. 安装所需的 Python 库：

```bash
pip install -r requirements.txt
```

## 使用

### 1. 训练最优的 KNN 模型

运行 `optimal_knn.py`，脚本会完成以下工作：

- 自动加载手写数字数据集并分割训练/测试集；
- 评估 K=1 到 40 的 KNN 模型，使用 tqdm 展示进度；
- 保存准确率折线图至 `accuracy_plot.pdf`；
- 将最优模型保存为 `best_knn_model.pkl`。

```bash
python optimal_knn.py
```

### 2. 启动 Gradio Web 应用

确认已经生成 `best_knn_model.pkl` 后，运行下列命令启动 Web 应用：

```bash
python optimal_knn_webapp.py
```

浏览器会自动打开，或按照终端提示访问链接，在 Sketchpad 中绘制数字并查看预测结果。

## 个人信息

- 学号: 202352320206
- 年级: 2023
- 专业: 智能科学与技术
- 班级: 2班