【文件属性】：
文件名称：Handwritten-Digits-Classification:一种新颖的模型
文件大小：13.1MB
文件格式：ZIP
更新时间：2021-06-15 02:19:53
Python
手写数字分类
一种对手写数字进行分类并与传统方法进行比较的新方法。 手写数字的 MNIST 数据集使用多层感知器神经网络、朴素贝叶斯分类器和一种新颖的混合模型 - 贝叶斯神经网络分类器进行分类。
＃＃＃介绍
MNIST 手写数字数据集的分类器：实现、分析和比较了多层感知器神经网络、朴素贝叶斯分类器和朴素贝叶斯和 mlp-nn 的混合模型：“贝叶斯神经网络”。
模型
参数
准确性
多层感知器神经网络
1个隐藏层
96.45%
朴素贝叶斯分类器
伯努利房车特点
83.98%
混合贝叶斯神经网络
在隐藏层，Multinoulli RV 特征
89.02%
混合贝叶斯神经网络
在输出层； Multinoulli RV 特点
90.66%
混合贝叶斯神经网络
在隐藏层； 高斯房车特点
91.63%
混合贝叶斯神经网络
在输出层，Guassian RV 特征
93.27%
###多层感
【文件预览】：
Handwritten-Digits-Classification-master
----results()
--------conf_matrix_naive_bayes.png(69KB)
--------conf_matrix_norm_nnbayes_hid.png(67KB)
--------model_accuracy.png(53KB)
--------conf_matrix_norm_nn_bayes_out.png(61KB)
--------conf_matrix_nn_bayes_hid.png(63KB)
--------mlpnn_confusion.png(46KB)
--------conf_matrix_nn_bayes_out.png(64KB)
----nn_bayes_out.py(17KB)
----mlpnn.py(13KB)
----nn_bayes_out_guassian.py(16KB)
----mnist_all.mat(12.72MB)
----README.md(4KB)
----naive_bayes.py(5KB)
----nn_bayes_hid.py(17KB)
----nn_bayes_hid_gaussian.py(16KB)