我们可以把 NISt 数据集的概念用一个 童话故事的方式讲解,用形象生动的比喻来解释其中的核心内容。
?
《数字王国与图像魔法书》:一个关于 NISt 的童话
从前,在一个叫做数据大陆的神奇世界里,有一座繁华而神秘的国家——数字王国。这个王国里住着 10 位可爱的数字小精灵,他们分别叫做:零、壹、贰、叁、肆、伍、陆、柒、捌、玖。
这些数字精灵每天的任务,就是到人类世界去旅行。他们最喜欢的地方,就是那些上学的小朋友们的练习本,因为那上面满是手写的数字。这些孩子写下来的数字,就是数字精灵在人类世界的“化身”。
不过,问题来了——
有些孩子写得工整,有些却歪歪扭扭;有的写得像蚯蚓打结,有的像画了个圈圈叉叉。结果,数字精灵常常被搞得头昏眼花,他们自己也搞不清谁是谁了。
于是,数字王国向一个古老的魔法组织——机器学习师联盟发出了求助信。
?
一、本子与魔法书:图像数据的秘密
在机器学习师联盟里,有一位伟大的魔法师,名叫莱卡恩(Yann Le)。他和他的助手们花了好几年时间,终于收集了一本神奇的魔法书,叫做:
《NISt图像魔法书》
这本书里,一共收录了 七万幅手写数字的画像,每一幅都是从孩子们的练习本上小心翼翼地摘抄下来的。
这本书有两个章节:
?\t第一章:训练篇(60,000页)
?\t第二章:测试篇(10,000页)
每一页上都画着一张数字小精灵在人类世界的模样——比如“壹”有时候高高瘦瘦,有时候圆头圆脑,“肆”有时候像个小帐篷,“捌”有时候像雪人……他们的样子千变万化。
这些画像都是灰色的,就像铅笔画的那样,不是黑就是白,而是各种深浅的灰度值,每一张画都被切成 28x28 的小格子,一共 784 个点,每个点上有一个数字,表示那里的颜色深浅(0是白,255是黑)。
你可以想象成一张拼图,每个小块都是颜色的拼图块,拼在一起,就能看到数字的样子。
?
二、数字识别学校:分类的故事
为了帮助数字王国分辨不同的数字化身,机器学习师们创办了一所学校,叫做:
数字识别学校(digit cssifier Acadey)
在这所学校里,有一群聪明的机器人学生,他们从来没有见过“手写数字”,但他们擅长从数据中学习。
这群机器人刚开始什么都不懂。他们面对一幅幅“数字画像”,根本不知道这是“壹”还是“肆”。于是老师给他们看第一章的图像,并告诉他们答案:
“看,这幅画是‘叁’,这幅是‘柒’。”
老师每天都让机器人们看几千张画,一边看一边记住:“哦,原来这个形状,像叁;那个形状,是玖。”
有的机器人擅长记形状,他们用的是K邻近算法魔法;有的擅长画边框,用的是支持向量机法术;还有的机器人更厉害,他们会使用一种叫做神经网络的深层记忆魔法。
其中最厉害的机器人叫做 小卷,他掌握了一种神奇的魔法,叫做: