K近邻分类器MNIST数据集图像分类python
K近邻分类器在MNIST数据集上从头实现用于图像分类的K近邻分类器.没有现有的sklearn包用于编写knn代码.数据集在MNIST数据集中每个样本都是手写数字的图片.每个样本包括28x28灰度像素值作为特征以及09中的类别标签.我已经用L2范数欧几里德距离作为样本之间的距离度量来实现分类器.在原始数据集中前60000个样本用于训练其余10000个样本用于测试.在这个实现中我使用了原始训练集的前6000个样本来训练KNN使用了原始测试集的前1000个样本来测试KNN.
文件列表
KNN-Classifier-MNIST-master.zip
(预估有个8文件)
train-images-idx3-ubyte
44.86MB
t10k-images-idx3-ubyte
7.48MB
knn-classifier-mnist.ipynb
85KB
t10k-labels-idx1-ubyte
10KB
.ipynb_checkpoints
Untitled-checkpoint.ipynb
72B
knn-classifier-mnist-checkpoint.ipynb
90KB
README.md
995B
train-labels-idx1-ubyte
59KB
暂无评论