机器学习大作业《Kaggle赛题之Kannada MNIST研究》论文和Python代码

一、赛题概述及分析

1、背景介绍

邮政系统每天都会处理大量的信件，最为要紧的一环是要根据信件上的收信人邮编进行识别和分类，以便确定信件的投送地。原本这项任务是依靠大量的人工来进行，后来人们尝试让计算机来替代人工。然而，因为多数的邮编都是手写的数字，并且样式各异，所以没有统一编制的规则可以很好地用于识别和分类。

20世纪80年代，美国国家标准与技术研究所（National Institute of Standards and Technology，即NIST）建立了经典的MNIST数据集，该数据集由250个不同人手写的阿拉伯数字构成，其中50%是高中生，50%来自人口普查局的工作人员，测试集也是相同比例的手写数字数据。MNIST数据集是机器学习领域的一个经典数据集，该数据集包含6万张训练图像和1万张测试图像，其历史几乎和这个领域一样长，而且被人们深入研究。

该赛题的目的是为经典的基于手写阿拉伯数字集MNIST竞赛提供一个简单的扩展，且使用了最近发布的卡纳达语数字集。卡纳达语是印度西南部卡纳塔克邦的官方行政语言，该语言全球有近6000万人使用，根据印度宪法第344（1）和351条，卡纳达语是印度22种语言之一。该语言是使用官方的卡纳达语手迹编写的，该脚本是Brahmic家族的元音附标文字，其起源可追溯到Kadamba手迹（公元325-550），如图1、图2所示。