Kaggle手写数字识别开源记录两层神经网络准确率99%

原文地址：http://siligence.ai/article-73-1.html
更多优秀原创文章尽在：http://siligence.ai/portal.php

在kaggle中，参赛人数比较多的比较经典的就是手写数字识别大赛，作为深度学习的hello world，吸引了两千多支队伍的参赛，在今天我们分享的是不用kaggle自带的数据集，我们使用mnist的数据集进行训练，也就是我们刚开始就遇到的mnist的手写数字数据集进行模型训练和搭建，然后对于kaggle比赛中的28000条数据进行分析进行参赛。

首先，下载数据集：

kaggle的test.csv测试数据集自行下载

本文一切代码基于python+keras的神经网络搭建：

请将数据集和源代码放在同一个目录下：

首先导入keras层和模型函数：

from keras.datasets import mnist
from keras import models
from keras import layers
import numpy  
test = numpy.loadtxt(open("test.csv","rb"),delimiter=",",skiprows=1)  
test = test.reshape((28000,28*28))
test = test.astype('float32')/255
(train_images,train_labels),(test_images,test_labels)=mnist.load_data()

同时读取mnist的数据集，这份数据集为keras自带，直接包括进来即可：

digit = test_images[0]
import matplotlib.pyplot as plt 
plt.imshow(digit, cmap=plt.cm.binary) 
plt.show()

图片样式：

每一个数据单元都是这样子的形式，28*28像素对图片，对