KNN（K近邻分类）

一、数据准备：文件 datingTestSet.txt 数据如下：

40920    8.326976    0.953952    3

14488    7.153469    1.673904    2

26052    1.441871    0.805124    1

75136    13.147394    0.428964    1

38344    1.669788    0.134296    1

72993    10.141740    1.032955    1

35948    6.830792    1.213192    3

42666    13.276369    0.543880    3

67497    8.631577    0.749278    1

35483    12.273169    1.508053    3

50242    3.723498    0.831917    1

63275    8.385879    1.669485    1

5569    4.875435    0.728658    2

51052    4.680098    0.625224    1

77372    15.299570    0.331351    1

43673    1.889461    0.191283    1

61364    7.516754    1.269164    1

69673    14.239195    0.261333    1

15669    0.000000    1.250185    2

28488    10.528555    1.304844    3

6487    3.540265    0.822483    2

37708    2.991551    0.833920    1

22620    5.297865    0.638306    2

28782    6.593803    0.187108    3

19739    2.816760    1.686209    2

36788    12.458258    0.649617    3

5741    0.000000    1.656418    2

28567    9.968648    0.731232    3

6808    1.364838    0.640103    2

41611    0.230453    1.151996    1

36661    11.865402    0.882810    3

43605    0.120460    1.352013    1

15360    8.545204    1.340429    3

63796    5.856649    0.160006    1

10743    9.665618    0.778626    2

70808    9.778763    1.084103    1

72011    4.932976    0.632026    1

5914    2.216246    0.587095    2

14851    14.305636    0.632317    3

33553    12.591889    0.686581    3

44952    3.424649    1.004504    1

17934    0.000000    0.147573    2

14254    5.946014    1.614244    2

68613    13.798970    0.724375    1

41539    10.393591    1.663724    3

7917    3.007577    0.297302    2

21331    1.031938    0.486174    2

8338    4.751212    0.064693    2

5176    3.692269    1.655113    2

18983    10.448091    0.267652    3

68837    10.585786    0.329557    1

9868    2.694977    0.432818    2

18333    3.951256    0.333300    2

48111    9.134528    0.728045    3

43757    7.882601    1.332446    3

......

二、代码实现

1、KNNDateOnHand.py代码

  1 # coding:utf-8
  2 
  3 import numpy as np
  4 import operator
  5 # matplotlib 绘图模块
  6 import matplotlib.pyplot as plt
  7 
  8 
  9 # from array import array
 10 # from matplotlib.font_manager import FontProperties
 11 
 12 # normData 测试数据集的某行，  dataSet 训练数据集 ，labels 训练数据集的类别，k k的值
 13 def classify(normData, dataSet, labels, k):
 14     # 计算行数
 15     dataSetSize = dataSet.shape[0]
 16     #     print ('dataSetSize 长度 =%d'%dataSetSize)
 17     # 当前点到所有点的坐标差值  ,np.tile(x,(y,1)) 复制x 共y行 1列
 18     diffMat = np.tile(normData, (dataSetSize, 1)) - dataSet
 19     # 对每个坐标差值平方
 20     sqDiffMat = diffMat ** 2
 21     # 对于二维数组 sqDiffMat.sum(axis=0)指 对向量每列求和，sqDiffMat.sum(axis=1)是对向量每行求和,返回一个长度为行数的数组
 22     # 例如：narr = array([[ 1.,  4.,  6.],
 23     #                   [ 2.,  5.,  3.]])
 24     #    narr.sum(axis=1) = array([ 11.,  10.])
 25     #    narr.sum(axis=0) = array([ 3.,  9.,  9.])
 26     sqDistances = sqDiffMat.sum(axis=1)
 27     # 欧式距离 最后开方
 28     distance = sqDistances ** 0.5
 29     # x.argsort() 将x中的元素从小到大排序，提取其对应的index 索引，返回数组
 30     # 例：   tsum = array([ 11.,  10.])    ----  tsum.argsort() = array([1, 0])
 31     sortedDistIndicies = distance.argsort()
 32     #     classCount保存的K是魅力类型   V:在K个近邻中某一个类型的次数
 33     classCount = {}
 34     for i in range(k):
 35         # 获取对应的下标的类别
 36         voteLabel = labels[sortedDistIndicies[i]]
 37         # 给相同的类别次数计数
 38         classCount[voteLabel] = classCount.get(voteLabel, 0) + 1
 39     # sorted 排序 返回新的list
 40     #     sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
 41     sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
 42     return sortedClassCount[0][0]
 43 
 44 
 45 def file2matrix(filename):
 46     fr = open(filename, "rb")
 47     # readlines:是一次性将这个文本的内容全部加载到内存中(列表)
 48     arrayOflines = fr.readlines()
 49     numOfLines = len(arrayOflines)
 50     #     print "numOfLines = " , numOfLines
 51     # numpy.zeros 创建给定类型的数组  numOfLines 行 ，3列
 52     returnMat = np.zeros((numOfLines, 3))
 53     # 存结果的列表
 54     classLabelVector = []
 55     index = 0
 56     for line in arrayOflines:
 57         # 去掉一行的头尾空格
 58         line = line.decode("utf-8").strip()
 59         listFromline = line.split('\t')
 60         returnMat[index, :] = listFromline[0:3]
 61         classLabelVector.append(int(listFromline[-1]))
 62         index += 1
 63     return returnMat, classLabelVector
 64 
 65 
 66 '''
 67     将训练集中的数据进行归一化
 68     归一化的目的：
 69         训练集中飞行公里数这一维度中的值是非常大，那么这个纬度值对于最终的计算结果(两点的距离)影响是非常大，
 70         远远超过其他的两个维度对于最终结果的影响
 71     实际约会姑娘认为这三个特征是同等重要的
 72     下面使用最大最小值归一化的方式将训练集中的数据进行归一化
 73 '''
 74 
 75 
 76 # 将数据归一化
 77 def autoNorm(dataSet):
 78     #     dataSet.min(0)   代表的是统计这个矩阵中每一列的最小值     返回值是一个矩阵1*3矩阵
 79     # 例如： numpyarray = array([[1,4,6],
 80     #                        [2,5,3]])
 81     #    numpyarray.min(0) = array([1,4,3])    numpyarray.min(1) = array([1,2])
 82     #    numpyarray.max(0) = array([2,5,6])    numpyarray.max(1) = array([6,5])
 83     minVals = dataSet.min(0)
 84     maxVals = dataSet.max(0)
 85     ranges = maxVals - minVals
 86     # dataSet.shape[0] 计算行数， shape[1] 计算列数
 87     m = dataSet.shape[0]
 88 
 89     #     print '行数 = %d' %(m)
 90     #     print maxVals
 91 
 92     #     normDataSet存储归一化后的数据
 93     #     normDataSet = np.zeros(np.shape(dataSet))
 94     # np.tile(minVals,(m,1)) 在行的方向上重复 minVals m次 即复制m行，在列的方向上重复munVals 1次，即复制1列
 95     normDataSet = dataSet - np.tile(minVals, (m, 1))
 96     normDataSet = normDataSet / np.tile(ranges, (m, 1))
 97     return normDataSet, ranges, minVals
 98 
 99 
100 def datingClassTest():
101     rate = 0.1
102     datingDataMat, datingLabels = file2matrix('./datingTestSet.txt')
103     # 将数据归一化
104     normMat, ranges, minVals = autoNorm(datingDataMat)
105     # m 是 ： normMat行数 = 1000
106     m = normMat.shape[0]
107     #     print 'm =%d 行'%m
108     # 取出100行数据测试
109     numTestVecs = int(m * rate)
110     errorCount = 0.0
111     for i in range(numTestVecs):
112         # normMat[i,:] 取出数据的第i行,normMat[numTestVecs:m,:]取出数据中的100行到1000行 作为训练集，
113         # datingLabels[numTestVecs:m] 取出数据中100行到1000行的类别，4是K
114         classifierResult = classify(normMat[i, :], normMat[numTestVecs:m, :], datingLabels[numTestVecs:m], 4)
115         print('模型预测值: %d ,真实值 : %d' % (classifierResult, datingLabels[i]))
116         if (classifierResult != datingLabels[i]):
117             errorCount += 1.0
118     errorRate = errorCount / float(numTestVecs)
119     print('正确率 : %f' % (1 - errorRate))
120     return 1 - errorRate
121 
122 
123 '''
124     拿到每条样本的飞行里程数和玩视频游戏所消耗的时间百分比这两个维度的值，使用散点图
125 '''
126 
127 
128 def createScatterDiagram():
129     datingDataMat, datingLabels = file2matrix('datingTestSet2.txt')
130     type1_x = []
131     type1_y = []
132     type2_x = []
133     type2_y = []
134     type3_x = []
135     type3_y = []
136     # 生成一个新的图像
137     fig = plt.figure()
138     # matplotlib下, 一个 Figure 对象可以包含多个子图(Axes), 可以使用 subplot() 快速绘制
139     # subplot(numRows, numCols, plotNum)图表的整个绘图区域被分成 numRows 行和 numCols 列,按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1
140     # plt.subplot(111)等价于plt.subplot(1,1,1)
141     axes = plt.subplot(111)
142     # 设置字体 黑体  ，用来正常显示中文标签
143     plt.rcParams['font.sans-serif'] = ['SimHei']
144 
145     for i in range(len(datingLabels)):
146         if datingLabels[i] == 1:  # 不喜欢
147             type1_x.append(datingDataMat[i][0])
148             type1_y.append(datingDataMat[i][1])
149 
150         if datingLabels[i] == 2:  # 魅力一般
151             type2_x.append(datingDataMat[i][0])
152             type2_y.append(datingDataMat[i][1])
153 
154         if datingLabels[i] == 3:  # 极具魅力
155             type3_x.append(datingDataMat[i][0])
156             type3_y.append(datingDataMat[i][1])
157 
158     # 绘制散点图 ，前两个参数表示相同长度的数组序列 ，s 表示点的大小， c表示颜色
159     type1 = axes.scatter(type1_x, type1_y, s=20, c='red')
160     type2 = axes.scatter(type2_x, type2_y, s=40, c='green')
161     type3 = axes.scatter(type3_x, type3_y, s=50, c='blue')
162     plt.title(u'标题')
163     plt.xlabel(u'每年飞行里程数')
164     plt.ylabel(u'玩视频游戏所消耗的时间百分比')
165     # loc 设置图例的位置 2是upper left
166     axes.legend((type1, type2, type3), (u'不喜欢', u'魅力一般', u'极具魅力'), loc=2)
167     #     plt.scatter(datingDataMat[:,0],datingDataMat[:,1],c = datingLabels)
168     plt.show()
169 
170 
171 def classifyperson():
172     resultList = ['没感觉', '看起来还行', '极具魅力']
173     # input_man = [20000, 3, 2]
174     input_man = [70808,9.778763,1.084103]
175     datingDataMat, datingLabels = file2matrix('datingTestSet.txt')
176     normMat, ranges, minVals = autoNorm(datingDataMat)
177     result = classify((input_man - minVals) / ranges, normMat, datingLabels, 5)
178     print('你即将约会的人是:%s' % resultList[result - 1])
179 
180 
181 if __name__ == '__main__':
182     #     createScatterDiagram观察数据的分布情况
183     #     createScatterDiagram()
184     acc = datingClassTest()
185     if (acc > 0.9):
186         classifyperson()

运行结果：

模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 3
模型预测值: 1 ,真实值 : 1
模型预测值: 2 ,真实值 : 2
模型预测值: 1 ,真实值 : 1
模型预测值: 3 ,真实值 : 3
模型预测值: 3 ,真实值 : 3
模型预测值: 2 ,真实值 : 2
模型预测值: 2 ,真实值 : 1
模型预测值: 1 ,真实值 : 1
正确率 : 0.960000
你即将约会的人是:没感觉

2、KNNDateByScikit-learn.py代码

 1 # coding:utf-8
 2 import operator
 3 
 4 from sklearn.neighbors import NearestNeighbors
 5 
 6 from com.bjsxt.knn.KNNDateOnHand import file2matrix, autoNorm
 7 
 8 if __name__ == '__main__':
 9     datingDataMat, datingLabels = file2matrix('datingTestSet.txt')
10     normMat, ranges, minVals = autoNorm(datingDataMat)
11     # n_neighbors=3 表示查找的近邻数，默认是5
12     # fit:用normMat作为训练集拟合模型   n_neighbors:几个最近邻 
13     # NearestNeighbors 默认使用的就是欧式距离测度
14     nbrs = NearestNeighbors(n_neighbors=3).fit(normMat)
15     # input_man = [20000, 3, 2]
16     input_man = [35948,6.830792,1.213192]
17     # 数据归一化
18     S = (input_man - minVals) / ranges
19     # 找到当前点的K个临近点，也就是找到临近的3个点
20     #  distance 返回的是距离数据集中最近点的距离,indices 返回的距离数据集中最近点的坐标的下标。
21     distances, indices = nbrs.kneighbors([S])
22     print("distances is %s" % distances)
23     print("indices is %s" % indices)
24     # classCount   K：类别名    V：这个类别中的样本出现的次数
25     classCount = {}
26     for i in range(3):
27         # 找出对应的索引的类别号
28         voteLabel = datingLabels[indices[0][i]]
29         classCount[voteLabel] = classCount.get(voteLabel, 0) + 1
30     sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
31     resultList = ['没感觉', '看起来还行', '极具魅力']
32     print(resultList[sortedClassCount[0][0] - 1])

运行结果：

distances is [[0.         0.06180879 0.06664147]]
indices is [[  6 137 731]]
极具魅力

3、IdentifImg.py代码

 1 # coding:utf-8
 2 
 3 import os
 4 import numpy as np
 5 
 6 # 此方法将每个文件中32*32的矩阵数据，转换到1*1024一行中
 7 from com.bjsxt.knn.KNNDateOnHand import classify
 8 
 9 
10 def img2vector(filename):
11     # 创建一个1行1024列的矩阵
12     returnVect = np.zeros((1, 1024))
13     # 打开当前的文件
14     fr = open(filename, "rb")
15     # 每个文件中有32行，每行有32列数据，遍历32个行，将32个列数据放入1024的列中
16     for i in range(32):
17         lineStr = fr.readline()
18         for j in range(32):
19             returnVect[0, 32 * i + j] = int(lineStr[j])
20     return returnVect
21 
22 
23 def IdentifImgClassTest():
24     labels = []
25     # 读取训练集 TrainData目录下所有的文件和文件夹
26     trainingFileList = os.listdir('TrainData')
27     m = len(trainingFileList)
28     # zeros((m,1024)) 返回一个m行 ，1024列的矩阵，默认是浮点型的
29     trainingMat = np.zeros((m, 1024))
30     for i in range(m):
31         # 获取文件名称
32         fileNameStr = trainingFileList[i]
33         # 获取文件除了后缀的名称
34         fileStr = fileNameStr.split('.')[0]
35         # 获取文件"数字"的类别
36         classNumStr = int(fileStr.split('_')[0])
37         labels.append(classNumStr)
38         # 构建训练集, img2vector  每个文件返回一行数据 1024列
39         trainingMat[i, :] = img2vector('TrainData/%s' % fileNameStr)
40     # 读取测试集数据
41     testFileList = os.listdir('TestData')
42     errorCount = 0.0
43     mTest = len(testFileList)
44     for i in range(mTest):
45         fileNameStr = testFileList[i]
46         fileStr = fileNameStr.split('.')[0]
47         classNumStr = int(fileStr.split('_')[0])
48         vectorUnderTest = img2vector('TestData/%s' % fileNameStr)
49         classifierResult = classify(vectorUnderTest, trainingMat, labels, 3)
50         print("识别出的数字是: %d, 真实数字是: %d" % (classifierResult, classNumStr))
51         if (classifierResult != classNumStr):
52             errorCount += 1.0
53     print("\n识别错误次数 %d" % errorCount)
54     errorRate = errorCount / float(mTest)
55     print("\n正确率: %f" % (1 - errorRate))
56 
57 
58 if __name__ == '__main__':
59     IdentifImgClassTest()

运行结果：

识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 0, 真实数字是: 0
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 7, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 1, 真实数字是: 1
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 2, 真实数字是: 2
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 9, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 3, 真实数字是: 3
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 4, 真实数字是: 4
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 3, 真实数字是: 5
识别出的数字是: 6, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 5, 真实数字是: 5
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 6, 真实数字是: 6
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 7, 真实数字是: 7
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 6, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 3, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 1, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 1, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 8, 真实数字是: 8
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 1, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 7, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9
识别出的数字是: 9, 真实数字是: 9

识别错误次数 10

正确率: 0.989429

posted @ 2021-03-09 21:28 大数据程序员阅读(299) 评论(0) 编辑收藏举报

会员力量，点亮园子希望

刷新页面返回顶部

大数据程序员

KNN（K近邻分类）

公告