机器学习(10.2)--手写数字识别的不同算法比较(2)--KNN算法

最新推荐文章于 2021-08-03 17:10:04 发布

雨落那秋林

最新推荐文章于 2021-08-03 17:10:04 发布

阅读量886

点赞数

分类专栏： python 机器学习文章标签： python 机器学习 knn mnist 手写识别

本文链接：https://blog.csdn.net/carmelcarmen/article/details/79353896

版权

本文探讨了机器学习中手写数字识别的KNN算法，结合MNIST数据集进行了实验。尽管计算过程可能较慢，但通过调整测试集大小，仍能获得约94%的识别正确率。

摘要由CSDN通过智能技术生成

KNN(k-NearestNeighbor)是监督学习的分类技术中最简单的方法之一，K指k个最近的邻居的意思，
关于KNN的详细基本实现原理，可参考
机器学习(2)--邻近算法(KNN)
tensorflow的实现方式，可参考：
tensorflow实例(9)--最邻近算法实现MNIST手写数字分类算法
关于使用的数据集，可参考

机器学习(10.1)--手写数字识别的不同算法比较(1)--mnist数据集不同版本解析及平均灰度实践

计算有点慢，有耐心的可以慢慢等结果，没耐心的嘛，可以减少一些测试集的数量看个结果，正确率还是不错，可以到94%

# -*- coding:utf-8 -*-
import pickle  
import gzip  
import numpy as np
with gzip.open(r'mnist.pkl.gz', 'rb')   as f:
    training_data, validation_data, test_data = pic