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
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