使用R加载MNIST数字识别数据集并查看任何结果

Question

在“Machine Learning - A Probabilistic Perspective" by Kevin P. Murphy”一书的第一个任务是：

在混洗的MNIST数据上练习1.1 KNN分类器

运行mnist1NNdemo并验证1-NN分类器的MNIST的错误分类率（在前1000个测试用例中）是3.8％。 （如果在所有10,000个测试用例中全部运行，则错误率为3.09％。）修改代码，以便首先随机置换功能（训练和测试设计矩阵的列），如shuffledDigitsDemo，然后应用分类。验证错误率未更改。

我的简单理解是练习在加载文件后寻找1-NN（R中的kNN（））。

文件：

train-images-idx3-ubyte.gz：训练集图像（9912422字节）

train-labels-idx1-ubyte.gz：训练集标签（28881字节）

t10k-images-idx3-ubyte.gz：测试集图像（1648877字节）

t10k-labels-idx1-ubyte.gz：测试集标签（4542字节）

取自The MNIST DATABASE

我找到了加载文件的popular template：

# for the kNN() function 
library(VIM)
load_mnist <- function() {
  load_image_file <- function(filename) {
   ret = list()
    f = file(filename,'rb')
    readBin(f,'integer',n=1,size=4,endian='big')
    ret$n = readBin(f,'integer',n=1,size=4,endian='big')
    nrow = readBin(f,'integer',n=1,size=4,endian='big')
    ncol = readBin(f,'integer',n=1,size=4,endian='big')
    x = readBin(f,'integer',n=ret$n*nrow*ncol,size=1,signed=F)
    ret$x = matrix(x, ncol=nrow*ncol, byrow=T)
    close(f)
    ret
  }
  load_label_file <- function(filename) {
    f = file(filename,'rb')
    readBin(f,'integer',n=1,size=4,endian='big')
    n = readBin(f,'integer',n=1,size=4,endian='big')
    y = readBin(f,'integer',n=n,size=1,signed=F)
    close(f)
    y
  }
  train <<- load_image_file("train-images.idx3-ubyte")
  test <<- load_image_file("t10k-images.idx3-ubyte")

  train$y <<- load_label_file("train-labels.idx1-ubyte")
  test$y <<- load_label_file("t10k-labels.idx1-ubyte")  
}

show_digit <- function(arr784, col=gray(12:1/12)) {
  image(matrix(arr784, nrow=28)[,28:1], col=col)
}

根据评论，在命令行中这应该工作：

  # Error "Error in matrix(arr784, nrow = 28) : object 'train' not found"
  show_digit(train$x[5,])

问题是如何使用show_digit函数？

---

编辑删除额外的问题

Answer 1

我想出了什么问题：

首先在R Studio或ESS中运行整个文件，然后从控制台调用load_mnist()。之后再次在控制台中执行show_digit(train$x[3,])并且它可以工作。

找到KNN分类器可以在整个数据集上完成：a <- knn(train, test, train$y)，但这将是一个非常缓慢的过程。

结果的预测可以像table(test$y, a)那样完成，测试$ y是预测的，a是实际结果。