MNIST手写数字识别实验（KNN）

最新推荐文章于 2025-03-12 18:08:52 发布

BanFcc

最新推荐文章于 2025-03-12 18:08:52 发布

阅读量1.6k

点赞数

本文链接：https://blog.youkuaiyun.com/BanFcc/article/details/106755182

版权

本文介绍了使用KNN算法进行MNIST手写数字识别的实验过程。数据预处理后，发现未经优化的KNN计算量巨大。通过采样降低计算复杂性，但即便如此，不同k值下的正确率仅达到20%左右。引入二值化处理后，正确率显著提升至96.3%，但k值对结果的影响不明显。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据集：MINST
数据预处理参考了https://blog.youkuaiyun.com/simple_the_best/article/details/75267863
处理出来有用的信息也就是 $28 \times 28$ 的矩阵和Label信息。
KNN的实现:

def KNN(train_dataset, train_labels, input_vec, distance, k=1):
    dis_labels = []
    n = len(train_dataset)
    for i in range(n):
        vec = train_dataset[i]
        label = train_labels[i]
        dis_labels.append([distance(vec, input_vec), label])
    dis_labels.sort