前置條件環境準備如下所示:Pycharm python3.6 sklearn face_recognition dlib
Step1:KNN算法簡介
K最近鄰(k-Nearest Neighbor,KNN)分類算法的核心思想是如果一個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數屬于某一個類别,則該樣本也屬于這個類别。KNN算法可用于多分類,KNN算法不僅可以用于分類,還可以用于回歸。通過找出一個樣本的k個最近鄰居,将這些鄰居的屬性的平均值賦給該樣本,作為預測值。
KNeighborsClassifier在scikit-learn在sklearn.neighbors包之中。
KNeighborsClassifier使用很簡單,三步:
1)創建KNeighborsClassifier對象
2)調用fit函數
3)調用predict函數進行預測。
Step2:看看項目的目錄結構如下
Step3:看看訓練數據
Step4:看看測試數據
Step5:看看模型計算出來的考勤數據
打開後如下圖所示:
Step6:兩個核心的py文件解析
KNN_Recognition_easy.py 通過模型去統計考勤的py文件。
KNN_Train_easy.py 通過訓練數據生成模型的py文件。代碼如下:
程序入口:
調用main()
往下依次調用有:
predict()
getvalueToKey()
strTotime()
prase_filename_date()
writeExcel()
更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!