最近在学习机器学习,总觉得只学习理论的话,对于很多问题的理解不够深入,话不多少,见下:
首先推荐李航的《统计学习方法》小蓝书,对于贝叶斯理论部分讲解的很清楚,可自行翻阅(李航书上有小栗子,可以手动算一算,对于理解很有帮助)。
接着本次MNIST实例,强推一篇很好的博客点击打开链接,在看完李航关于贝叶斯的整体理论后,再 看看这个 了解一个具体的实例中,各种下标各种概率怎么理解,包括看似很假大空的Laplace平滑(实际上没有这个平滑,贝叶斯根本无法应用)。
再了解以上理论后,可以上实战了。代码如下:
数据集用的是里面只有这个文件
##没有对label进行one-hot编码版本 读取mnist数据
import tensorflow as tf
import sklearn.preprocessing
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow.examples.tutori