Python 机器学习_基于朴素贝叶斯分类的MNIST手写数字识别

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