使用KNN对MNIST数据集进行实验

之前使用SVM对MNIST数据集进行了分类实验，得到了98.46%的分类正确率（见：使用libsvm对MNIST数据集进行实验）。

今天用python写了个小程序，来测试一下KNN的分类效果。

由于KNN的计算量太大，还没有使用KD-tree进行优化，所以对于60000训练集，10000测试集的数据计算比较慢。这里只是想测试观察一下KNN的效果而已，不调参。

K选择之前看过貌似最好不要超过20，因此，此处选择了K=10，距离为欧式距离。如果需要改进，可以再调整K来选择最好的成绩。

先跑了一遍不经过scale的，也就是直接使用像素灰度值来计算欧式距离进行比较。发现开始基本稳定在95%的正确率上，吓了一跳。因为本来觉得KNN算是没有怎么“学习”的机器学习算法了，猜测它的特点可能会是在任何情况下都可以用，但都表现的不是最好。所以估计在60%～80%都可以接受。没想到能基本稳定在95%上，确定算法和代码没什么问题后，突然觉得是不是这个数据集比较没挑战性。。。

去MNIST官网（http://yann.lecun.com/exdb/mnist/），上面挂了以该数据集为数据的算法的结果比较。查看了一下KNN，发现有好多，而且错误率基本都在5%以内，甚至能做到1%以内。唔。

跑的结果是，正确率：96.687%。也就是说，错误率error rate为3.31%左右。

再跑一下经过scale的数据，即对灰度数据归一化到[0,1]范围内。看看效果是否有所提升。

经过scale，最终跑的结果是，正确率：竟然也是96.687%! 也就是说，对于该数据集下，对KNN的数据是否进行归一化并无效果！

在跑scale之前，个人猜测：由于一般对数据进行处理之前都进行归一化，防止高维诅咒（在784维空间中很容易受到高维诅咒）。因此，预测scale后会比前者要好一些的。但是，现在看来二者结果相同。也就是说，对于K=10的KNN算法中，对MNIST的预测一样的。

对scale前后的正确率相同的猜测：由于在训练集合中有60000个数据点，因此0-9每个分类平均都有6000个数据点，在这样的情况下，对于测试数据集中的数据点，相临近的10个点中大部分都是其他分类而导致分类错误的概率会比较地（毕竟10相对与6000来说很小），所以，此时，KNN不仅可以取得较好的分类效果，而且对于是否scale并不敏感，效果相同。

代码如下：

#KNN for MNIST
from numpy import *
import operatordef line2Mat(line):line = line.strip().split(' ')label = line[0]mat = []for pixel in line[1:]:pixel = pixel.split(':')[1]mat.append(float(pixel))return mat, label#matrix should be type: array. Or classify() will get error.
def file2Mat(fileName):f = open(fileName)lines = f.readlines()matrix = []labels = []for line in lines:mat, label = line2Mat(line)matrix.append(mat)labels.append(label)print 'Read file '+str(fileName) + ' to matrix done!'return array(matrix), labels#classify mat with trained data: matrix and labels. With KNN's K set.
def classify(mat, matrix, labels, k):diffMat = tile(mat, (shape(matrix)[0], 1)) - matrix#diffMat = array(diffMat)sqDiffMat = diffMat ** 2sqDistances = sqDiffMat.sum(axis=1)distances = sqDistances ** 0.5sortedDistanceIndex = distances.argsort()classCount = {}for i in range(k):voteLabel = labels[sortedDistanceIndex[i]]classCount[voteLabel] = classCount.get(voteLabel,0) + 1sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1),reverse=True)return sortedClassCount[0][0]def classifyFiles(trainMatrix, trainLabels, testMatrix, testLabels, K):rightCnt = 0for i in range(len(testMatrix)):if i % 100 == 0:print 'num '+str(i)+'. ratio: '+ str(float(rightCnt)/(i+1))label = testLabels[i]predictLabel = classify(testMatrix[i], trainMatrix, trainLabels, K)if label == predictLabel:rightCnt += 1return float(rightCnt)/len(testMatrix)trainFile = 'train_60k.txt'
testFile = 'test_10k.txt'
trainMatrix, trainLabels = file2Mat(trainFile)
testMatrix, testLabels = file2Mat(testFile)
K = 10
rightRatio = classifyFiles(trainMatrix, trainLabels, testMatrix, testLabels, K)
print 'classify right ratio:' +str(right)

使用KNN对MNIST数据集进行实验相关推荐

使用libsvm对MNIST数据集进行实验
在学SVM中的实验环节,老师介绍了libsvm的使用.当时看完之后感觉简单的说不出话来. 1. libsvm介绍虽然原理要求很高的数学知识等,但是libsvm中,完全就是一个工具包,拿来就能用.当时 ...
使用Decision Tree对MNIST数据集进行实验
之前已经对MNIST使用过SVM和KNN的方法进行分类,效果看起来还不错.今天使用决策树来实验,看看结果如何. 使用的Decision Tree中,对MNIST中的灰度值进行了0/1处理,方便来进行分 ...
图像识别：利用KNN实现手写数字识别（mnist数据集）
图像识别:利用KNN实现手写数字识别(mnist数据集) 步骤: 1.数据的加载(trainSize和testSize不要设置的太大) 2.k值的设定(不宜过大) 3.KNN的核心:距离的计算 4.k ...
如何来玩MNIST数据集？
MNIST数据集是一个基本的手写字体识别数据集,包含50000个训练样本和10000个测试样本,都是28*28的分辨率,可以用来做很多机器学习算法的研究.下面来看看这个数据集有哪些方法来玩. 之前已经 ...
DL之DNN优化技术：自定义MultiLayerNet【5*100+ReLU】对MNIST数据集训练进而比较三种权重初始值（Xavier参数初始化、He参数初始化）性能差异
DL之DNN优化技术:自定义MultiLayerNet[5*100+ReLU]对MNIST数据集训练进而比较三种权重初始值(Xavier参数初始化.He参数初始化)性能差异导读 #思路:观察不同的权 ...
TensorflowSharp 简单使用与KNN识别MNIST流程
机器学习是时下非常流行的话题,而Tensorflow是机器学习中最有名的工具包.TensorflowSharp是Tensorflow的C#语言表述.本文会对TensorflowSharp的使用进行一个 ...
MNIST数据集的导入与预处理
在做KNN+LDA对MNIST数据集分类时遇到了不少坑,本篇文章主要是记录一下解决这些坑的方案,完整的代码和实验报告等作业结束提交后再进行上传. MNIST数据集 MNIST数据集简介 MNIST数据 ...
NN学习技巧之参数最优化的四种方法对比（SGD, Momentum, AdaGrad, Adam）,基于MNIST数据集
前面几篇博文分析了每一种参数优化方案,现在做一个对比,代码参考斋藤的红鱼书第六章. 实验对mnist数据集的6万张图片训练,使用5层全连接神经网络(4个隐藏层,每个隐藏层有100个神经元),共迭代20 ...
机器学习入门（07）— MNIST 数据集手写数字的识别
和求解机器学习问题的步骤(分成学习和推理两个阶段进行)一样,使用神经网络解决问题时,也需要首先使用训练数据(学习数据)进行权重参数的学习:进行推理时,使用刚才学习到的参数,对输入数据进行分类. 1. ...

使用KNN对MNIST数据集进行实验

使用KNN对MNIST数据集进行实验相关推荐

最新文章

热门文章