四种机器学习算法在MNIST数据集上的对比研究

• 作者: 肖驰
• 来源期刊: 智能计算机与应用
• 关键词: 支撑向量机 随机森林 BP神经网络 卷积神经网络 MNTST数据集
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 专题设计与应用|Specialized design and application
• 页码范围: 185-188
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2020.12.041

摘要

MNIST数据集是检验机器学习算法性能常用的数据集.本文以MNIST数据集为例,研究四种机器学习方法的性能.首先,介绍支撑向量机、随机森林、BP神经网络和卷积神经网络;其次,将四种学习方法在MNIST数据集上训练学习;最后,对四种学习模型的性能做对比分析.就实验结果而言,卷积神经网络在性能上优于其它三种学习算法.