Benutzer-Werkzeuge

Webseiten-Werkzeuge


Seitenleiste

ss16:16.06.2016
  • Normalisierung des MNIST Datensatz vor dem Einlesen zur Optimierung des Algorithmus
import numpy as np
import scipy.io
mat=scipy.io.loadmat('/[…]/[…]/scikit_learn_data/mldata/mnist-original.mat')
 
data=mat['data']
label=mat['label']
for i in range(data.shape[1]):
	data[:,i]= data[:,i]/np.linalg.norm(data[:,i])
scipy.io.savemat('/[…]/[…]/scikit_learn_data/mldata/mnist-original-norm.mat', mdict={'data':data, 'label':label})

Die Normalisierung des MNIST Datensatz vor dem Einlesen funktioniert so noch nicht. Die Daten unterscheiden sich komplett von der Norm der „originalen“ Daten.

  • Vergleichsdatensatz
import numpy as np
import scipy.io
mat=scipy.io.loadmat('/[…]/[…]/scikit_learn_data/mldata/mnist-original.mat')
matnorm=scipy.io.loadmat('/[…]/[…]/scikit_learn_data/mldata/mnist-original-norm.mat')
 
matd=mat['data']
matnd=matnorm['data']
for i in range(70000):
	orignialNorm=matd[:,i]/np.linalg.norm(matd[:,i])
	abstand=np.linalg.norm(orignialNorm-matnd[:,i])
	print abstand
  • Ausgabe der Genauigkeit des k-nearest-Neighbor-Algorithmus
  • Präsentation des jetzigen Standes
ss16/16.06.2016.txt · Zuletzt geändert: 2016/06/23 14:55 von henrikfrenzel