【计算机视觉入门案例】手写数字识别：Keras深度学习库

机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

案例介绍

如果你对R或Python编程、机器学习技术有了一些经验，但是对“计算机视觉”领域是个新手，那么，本案例——“数字识别”，是入门该领域的经典案例。自从1999年公布以来，MNIST这个手写数字图像数据集就成为分类算法的经典数据集。本案例的任务是，从成千上万的手写数字图像里正确识别数字。我们将训练的技能包括：

• 计算机视觉基础，包括简单的神经网络；

• 分类方法，包括支持向量机和K近邻。

数据描述

训练集和检验集包括从0 ~ 9的手写数字的灰度图像。其中，每个图像包括28个像素高、28个像素宽，
总共784个像素。每个像素有一个表示亮暗度的值，在0~255的整数之间，该值越大，表示像素越黑。

训练集(train.csv)有785列，首列label, 是用户手写数字，其余列是该数字的像素值。每一个像素列的名字类似pixelx, 这里的x在0 ~ 783之间。为了定位像素在图像里的位置，分解 $x=i\times 28+j$,