基于机器学习方法的MNIST手写数字识别+源代码+文档说明+数据集

# MNIST-ML 基于机器学习方法的MNIST手写数字识别 1.本项目为分别使用SVM、决策树、KNN、朴素贝叶斯方法进行手写数字识别，并比较四种方法的准确率； 2.用到的编程语言为python3.6； 3.代码位于Code文件夹中，数据集在Dataset文件夹中，部分结果图在res文件夹中； 4.所需的库： import numpy as np from sklearn import svm from sklearn.tree import DecisionTreeClassifier, export_graphviz from sklearn.neighbors import KNeighborsClassifier from sklearn.naive_bayes import MultinomialNB from sklearn.datasets import load_digits from sklearn.model_selection import train_test_split import _pickle as pickle import matplotlib.pyplot as plt import pylab 5.数据集介绍： MNIST数据集是机器学习领域非常经典的一个数据集。MNIST数据集来自美国国家标准与技术研所，National Institute of Standard and Technology(NIST)。 MNIST是一个包含数字0-9的手写体图片数据集，图片已归一化为以手写数字为中心的28*28规格的图片。 训练集60,000个手写体图片及对应标签 ；测试集10,000个手写体图片及对应标签。 它包含四个部分： - train-images-idx3-ubyte.gz：训练集图像（9912422字节） - 训练集图像，共60000张图像 - train-labels-idx1-ubyte.gz：训练集标签（28881 字节） 训练标签集 - t10k-images-idx3-ubyte.gz：测试集图像（1648877字节） 测试集图像，共10000张图像 - t10k-labels-idx1-ubyte.gz：测试集标签（4542字节） 测试标签集