frank-liang的博客

本文基于MNIST数据集，使用R语言中的K近邻（KNN）、朴素贝叶斯和支持向量机（SVM）算法实现手写数字分类任务，并对比了三者的性能差异。以下是实验的核心内容与结论。模型实现与评估包括KNN\SVM\贝叶斯实验表明，SVM在此任务中表现最优，其高准确率得益于RBF核处理高维数据和非线性模式的能力。KNN虽表现良好，但计算复杂度随数据量增长；朴素贝叶斯因强独立性假设受限，适合特征间相关性较低的场景。实际应用中，SVM可作为手写数字识别的首选模型，尤其在追求精度时。未来可进一步优化超参数（如SVM的核参数、

机器学习期末复习