MNIST数字分类 MNIST（“改良的美国国家标准技术研究院”）是手写图像的经典数据集，并且已成为基准分类算法的基础。它的训练集为60,000个示例，测试集为10,000个示例。 NIST可提供的较大集合的子集。 建立贝叶斯分类器以对MNIST手写数字识别数据库中的数字进行分类。主要任务是： i）区分“ 0”和“ 1”数字：来自MNIST数据集的“ 0”和“ 1”示例为 ii）区分“ 3”和“ 8”数字：来自MNIST数据集的“ 3”和“ 8”数字示例为 接下来，计算模型的分类精度，并

MNIST数据集 分为训练集，验证集和测试集。 这三个集合中的每一个都包含两个长度相等的向量： 一组数字，写为长度为784的向量。数据集中的数字形状为28x28像素，并表示为向量。 矩阵中的每个像素的值都在0到1之间，其中0表示白色，1表示黑色，而0到1之间的值是灰色阴影。 第一个向量中每个元素的标签：0到9之间的数字，表示图像中的数字。 单层感知器 分类算法基于10个感知器。 这10个感知器中的每一个都经过训练以对仅代表一位数字的图像进行分类。 例如，第一个感知器将被训练为输出数字0的值1