pca fashion mnist:在Google Colab上编写和运行的iPython笔记本用于在Fashion MNIST数据集上进行决策树和PCA 源码

pca-fashion-mnist 在Google Colab上编写并运行的一个iPython笔记本,用于在Fashion MNIST数据集上进行决策树和PCA。 本笔记本旨在证明在执行分类算法之前进行数据缩放和PCA可以大大降低我们的数据维数,从而最终加快了训练过程,但又不损失很多信息。 作为基准模型,我们在Fashion MNIST模型上训练了决策树模型-在66秒内达到了78%的准确度。 如果我们在训练决策树模型之前对数据进行比例缩放并使用90%的解释方差进行PCA,它仍然可以达到76%的准确度,但是在45秒内,我们减少了82%的特征列数。 免责声明:这不是解决Fashion-Mnist数据集的最佳方法,因为使用卷积神经网络可以轻松使我们的准确度高于90%。