MNIST數據集是一個基本的手寫字體識別數據集，包含50000個訓練樣本和10000個測試樣本，都是28*28的分辨率，可以用來做很多機器學習算法的研究。下面來看看這個數據集有哪些方法來玩。

之前已經玩過了，使用libsvm來對手寫數字進行分類，最終效果不錯，手寫字體達到了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%已經夠用了。

SVM的評價：

有監督學習方法，準確率高，訓練較慢（小時級別），訓練后預測較快（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器學習方法。

2. PCA

降維并保持特征feature。李春光老師的課上，將數據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

神經網絡來一發。也是有監督訓練，試驗下10個hidden unit下的輸出？三層網絡到底能有什么效果？

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，但是可以實踐看一下。

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。