Educational task on building a classifier for handwritten digit images based on the MNIST dataset
Цель данной работы - построение классификатора изображений рукописного ввода на базе библиотеки MNIST. Классификатор построен на признаках, полученных в результате предобработки изображений. Работа выполнена в рамках выполнения задания на https://www.kaggle.com/c/digit-recognizer. В качестве модели классификатора выбрана модель KNN. Подбор гиперпараметров осуществлен с помощью GridSearch.
The aim of this work is to build a classifier for handwritten digit images based on the MNIST library. The classifier is built on features obtained from image preprocessing. The work was done as part of a task on https://www.kaggle.com/c/digit-recognizer. The KNN model was chosen as the classifier model. Hyperparameter tuning was done using GridSearch.
Метрика оцененана тестовой выборке в рамках контеста Digit Recognizer на Kaggle. Accuracy: 0,620.
The metric was evaluated on the test set within the Digit Recognizer contest on Kaggle. Accuracy: 0.620.
Python, Machine Learning, Classification tasks