MNIST數(shù)據(jù)集是一個基本的手寫字體識別數(shù)據(jù)集，包含50000個訓(xùn)練樣本和10000個測試樣本，都是28*28的分辨率，可以用來做很多機(jī)器學(xué)習(xí)算法的研究。下面來看看這個數(shù)據(jù)集有哪些方法來玩。

之前已經(jīng)玩過了，使用libsvm來對手寫數(shù)字進(jìn)行分類，最終效果不錯，手寫字體達(dá)到了98+%的正確率，在李春光老師的課上提到最高可以提到99.8%左右。不過一般情況下，98%已經(jīng)夠用了。

SVM的評價(jià)：

有監(jiān)督學(xué)習(xí)方法，準(zhǔn)確率高，訓(xùn)練較慢（小時級別），訓(xùn)練后預(yù)測較快（只依賴支持向量）。

其他還可以玩的方法有：

1. KNN

這是最簡單基本的機(jī)器學(xué)習(xí)方法。

2. PCA

降維并保持特征feature。李春光老師的課上，將數(shù)據(jù)集降維到二維平面上，可以基本明顯的將他們分開來。

3. 聚類

除了KNN，其他聚類方法。

4. ANN

神經(jīng)網(wǎng)絡(luò)來一發(fā)。也是有監(jiān)督訓(xùn)練，試驗(yàn)下10個hidden unit下的輸出？三層網(wǎng)絡(luò)到底能有什么效果？

5. 線性回歸、邏輯回歸

使用回歸能有多高的正確率？猜測不高，但是可以實(shí)踐看一下。

總結(jié)

以上是生活随笔為你收集整理的如何来玩MNIST数据集？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。