第四课：手写数字识别

从"你怎么认出 8"到认出一串电话号码

← Back to Home

这一课讲什么

问一个学生"你怎么认出 8"，多半答"两个圈"。可数据说：真实手写的 8 只有 58.5% 真有两个圈， 开口的 4 更是只有 9% 有洞——人类以为自己靠结构认字，但结构特征在潦草笔迹面前碎了一地。 这一课从这个认知冲突出发，走一条反直觉的路：什么特征都不设计，把图像当向量、 拿距离说话，一路从 82% 爬到 97%+，途中经过质心、k-NN、预处理、切割、域偏移、 距离函数七个站点——每个站点都有真实数据和可以上手玩的页面。

方法阶梯（MNIST 测试集 1 万张实测）
拓扑特征（数洞）25.6%
质心：每类平均成 1 张82.1%
30 模板：每类 3 种写法87.2%
k-NN：6 万张全背下来95.8%
+ 平移容忍（线上页面）96.6%
+ 软匹配距离（离线实验）97.8%

一条轴讲完"抽象 ↔ 记忆"：平均得越狠越轻巧，记得越多越准确；再往上的每一格都来自"换一把更宽容的尺子"。 神经网络（99%+）留作下一课的悬念。

四个页面

PART 1 · 互动实验室

手写数字实验室

写一个数字，四种模型现场判：灰度质心 / 二值质心 / 30 模板 / 6 万张 k-NN。 距离条、平均数字、判案证据（最像的 k 张真图）全程可见，k 可调。

开始写 → PART 2 · 系统工程

写一串电话号码

切割是我们自己的活了：投影切碎 → 连笔点补刀 → 识别得分选拼法（DP）。 可载入 CVL 真实扫描件和 MNIST 合成串，标答自动比对，认错的位标红。

试一串 → PART 3 · 真实世界

真实世界的成绩单

把系统拉到 CVL（奥地利人写的 1262 串数字）上考试：域偏移当头一棒、 换本地题库救回 8 个点、标签泄漏虚高 12 个点——12 个真实案例逐个解剖。

看案例 → PART 4 · 专题解剖

为什么 8 最容易被认错

8 的准确率全场垫底。像素级叠加看 8 里面藏着谁（3 是没有左半边的 8）， PCA 地图看它如何被五个数字围殴——以及换一把尺子能救回多少。

看解剖 →

课堂流程建议

1. 开场打脸（10 分钟）
"你怎么认出 8？"——收集答案，用数据揭晓：两个圈的 8 只有 58.5%，数洞分类只有 25.6%。人类的特征直觉在潦草笔迹前失效。
2. 图像即向量（15 分钟）
8×8 手算示例：图像就是数字表格，就是 784 维空间里的点。"训练"退化成求平均——板书算一次质心距离。
3. 实验室互动（20 分钟）
Part 1 页面轮流上手：写怪字骗模型、切换四种模式看阶梯、观察 k-NN 的"判案证据"。顺带讲训练/测试分离。
4. 预处理的功劳（10 分钟）
平移实验：挪 5 个像素，82% 跌回 13%（瞎猜水平）。MNIST 帮你做了裁剪、缩放、居中——真实世界里这是你自己的活。
5. 从一个字到一串字（20 分钟）
Part 2 页面：切割模块登场。故意写连笔看"连笔点补刀"，关掉自动切割体会固定阈值的两难。96% 的单字 = 0.96¹¹ ≈ 64% 的串——系统的短板效应。
6. 出门考试（15 分钟）
Part 3 案例页：域偏移、本地题库、标签泄漏三课连上。帽子 1 被冤枉成 4 的案例让"分布匹配"变得具体。
7. 专题收尾（10 分钟）
Part 4 解剖 8：几何上它被五面包围，但换把宽容的尺子（软匹配）错误砍掉四分之三。距离函数就是模型的"相似性理论"——而让机器自己学特征和尺子，就是神经网络，下一课见。

贯穿全课的一句话

识别系统的上限，往往不在最后那个分类器，而在它前面的每一步：数据怎么整理（预处理）、 问题怎么切（分割）、相似怎么定义（距离）、数据从哪来（分布）。 模型只是最后一公里——这句话对数学建模竞赛同样成立。