《人工智能导论》实验2 多层感知机（MLP）手写数字识别.docxVIP

实验2多层感知机（MLP）手写数字识别

一、实验目的及要求

掌握使用scikit-learn构建多层感知机（MLP）分类器的方法。

理解图像数据预处理流程：尺寸统一、像素归一化、展平与标签编码。

掌握MLP的核心超参数：隐藏层结构、激活函数、优化器、学习率、迭代次数、早停等。

能够绘制训练/验证损失曲线，识别过拟合与欠拟合现象。

理解全连接神经网络处理图像时的局限：参数量大、忽略空间结构。

二、实验学时

3学时（建议时间分配：讲解15分钟，任务实践130分钟，总结报告15分钟）

三、实验前准备

软件环境：Python3.8及以上，建议使用JupyterNotebook或VSCode。

依赖库：NumPy、Matplotlib、scikit-learn。安装命令如下：

pipinstallnumpymatplotlibscikit-learn

知识储备：已学习教材第5.3节（前馈神经网络与MLP）内容。

数据准备：实验使用scikit-learn内置的load_digits手写数字数据集（8×8像素，1797张），无需联网下载；课后可尝试替换为MNIST数据集。

在JupyterNotebook中运行绘图代码前，建议先执行`%matplotlibinline`，以保证图像正常显示。

四、实验任务

任务1