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。

之前已经玩过了，使用libsvm来对手写数字进行分类，最终效果不错，手写字体达到了98+%的正确率，在李春光老师的课上提到最高可以提到99.8%左右。不过一般情况下，98%已经够用了。

SVM的评价：

有监督学习方法，准确率高，训练较慢（小时级别），训练后预测较快（只依赖支持向量）。

其他还可以玩的方法有：

1. KNN

这是最简单基本的机器学习方法。

2. PCA

降维并保持特征feature。李春光老师的课上，将数据集降维到二维平面上，可以基本明显的将他们分开来。

3. 聚类

除了KNN，其他聚类方法。

4. ANN

神经网络来一发。也是有监督训练，试验下10个hidden unit下的输出？三层网络到底能有什么效果？

5. 线性回归、逻辑回归

使用回归能有多高的正确率？猜测不高，但是可以实践看一下。