ID3分类器对MNIST手写数字数据集进行分类

Question

我正在为多个标签实现 ID3（决策树）算法，对 MNIST 手写数字数据集进行分类，该数据集包含 28*28 像素，值为 0-255，其中 0 代表背景，255 代表前景。

我正在尝试找到一组可以降低错误率的属性。 目前，我为每个像素使用 0 的阈值，我得到的错误率为 11%。

我想通过设置一组新属性来提高错误率的建议或想法（我正在考虑检测图像中的曲线和线条，但是我似乎无法在 JAVA 中找到这样做的方法）。

谢谢。

Answer 1

我们发现将图像划分为帧（4 到 8 帧之间）有助于提高预测百分比。 此外，我们还添加了线条、曲线等特征。