Handwritten-Digits-Classification:一种新颖的模型-源码

手写数字分类 一种对手写数字进行分类并与传统方法进行比较的新方法。 手写数字的 MNIST 数据集使用多层感知器神经网络、朴素贝叶斯分类器和一种新颖的混合模型 - 贝叶斯神经网络分类器进行分类。 ＃＃＃介绍 MNIST 手写数字数据集的分类器：实现、分析和比较了多层感知器神经网络、朴素贝叶斯分类器和朴素贝叶斯和 mlp-nn 的混合模型：“贝叶斯神经网络”。 模型 参数 准确性 多层感知器神经网络 1个隐藏层 96.45% 朴素贝叶斯分类器 伯努利房车特点 83.98% 混合贝叶斯神经网络 在隐藏层，Multinoulli RV 特征 89.02% 混合贝叶斯神经网络 在输出层； Multinoulli RV 特点 90.66% 混合贝叶斯神经网络 在隐藏层； 高斯房车特点 91.63% 混合贝叶斯神经网络 在输出层，Guassian RV 特征 93.27% ###多层感