文件名称：Machine-Learning-w-MNIST：使用MNIST数据集的机器学习模型
文件大小：12.42MB
文件格式：ZIP
更新时间：2024-03-11 08:28:00
JupyterNotebook
使用MNIST数据集的机器学习模型 KNN是一种简单，易于实现的有监督的机器学习算法，可用于解决分类和回归问题。 但是请记住，KNN的主要缺点是随着数据量的增加，它会变得非常慢，这使得它在需要快速做出预测的环境中是不切实际的选择。 这是一本笔记本，展示了如何训练ML模型以及如何使用KNN算法识别手写数字。 默认参数来自sklearn，经过测试k =2。这是一个正在进行的工作，请随时进行改进。 我将再添加两个模型，即SVM和Random Forest，以查看是否有可能进行改进（很可能是这种情况）。 要使用它，请克隆存储库并将数据集解压缩到本地文件夹中
【文件预览】：
Machine-Learning-w-MNIST-master
----Classification of Handwritten Digits.ipynb(36KB)
----images()
--------digits.png(72KB)
--------knn.jpg(19KB)
--------8_example.png(14KB)
--------split.jpg(10KB)
----README.md(954B)
----data()
--------mnist_data.7z(12.3MB)