MNIST手写数字数据集的线性可分性

Ákos Hajnal

MNIST手写数字数据集的线性可分性

机器学习 2026-03-16 v1

作者: Ákos Hajnal

摘要

包含数千张手写数字图像的MNIST数据集仍是评估各种模式识别和图像分类模型的基准。线性可分性是许多统计和机器学习技术中的关键概念。尽管MNIST数据集已有很长的历史且在大小和分辨率上相对简单，但关于该数据集是否具有线性可分性的问题从未得到完整的答案——科学和非正式的来源都提出了相互冲突的说法。本文旨在提供一项全面的经验性调查，以回答这一问题，区分训练集的两两可分性和测试集以及合并集的一-vs--rest分离性。它综述了评估线性可分性的理论方法，介绍最新方法和工具，然后系统性地检查所有相关装配，并报告研究发现。

关键词

MNIST数据集线性可分性模式识别图像分类两两可分性一与其余统计学习

引用

@article{arxiv.2603.12850,
  title  = {On Linear Separability of the MNIST Handwritten Digits Dataset},
  author = {Ákos Hajnal},
  journal= {arXiv preprint arXiv:2603.12850},
  year   = {2026}
}

备注

8 pages, 1 figure

MNIST手写数字数据集的线性可分性

摘要

关键词

引用

备注

相关论文