7、手写字符识别的机器学习实验与分析

手写字符识别的机器学习实验与分析

1. 池化与分类区分

在模式分类中，不同的池化方案会影响类别之间的区分度。过度池化可能导致类别混淆，例如在进行 5×5 平均池化后，人类对“2”类和“3”类的感知模式看起来非常相似。而最大池化在区分度方面似乎比平均池化略好，但仅基于单个实例的决策会显著影响性能，因此模式分类器的设计需要更可靠和系统的实验分析。

2. 搭建手写字符识别的机器学习实验

我们选择 TensorFlow 环境来实现一个具有 100 个隐藏单元的两层神经网络分类器，以下是具体步骤：
1. 导入 TensorFlow 库 ：

import tensorflow as tf
# import TensorFlow’s methods

2. 获取 MNIST 数据库 ：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

3. 设置输入/输出变量 ：

x = tf.p