ID3分类器，用于对MNIST手写数字数据集进行分类

Question

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

我试图找到一组能让我错误率低的属性。 目前，我为每个像素使用阈值0，我得到的错误率为11％。

我想通过设置一组新的属性来改善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，但我似乎无法在JAVA中找到这样做的方法）。 / p>

感谢。

Answer 1

我们发现，将图像划分为若干帧（介于4到8之间）有助于提高预测百分比。 此外，我们还添加了诸如直线，曲线之类的功能。