MNIST

MNIST (skrót od Modified National Institute of Standards and Technology) jest powszechnie używanym zestawem danych w dziedzinie uczenia maszynowego i głębokiego uczenia. Zbiór ten składa się z ręcznie pisanych cyfr arabskich (0‑9) i służy głównie jako punkt wyjścia do testowania algorytmów klasyfikacji obrazów.

Historia

Zestaw danych został opracowany w 1998 roku przez Yanna LeCuna oraz współpracowników z New York University. MNIST jest modyfikacją oryginalnego zestawu NIST, w którym pierwotnie znajdowały się obrazy o wyższej rozdzielczości. Przekształcono je do formatu 28×28 pikseli w skali szarości, co ułatwiło ich dalsze przetwarzanie.

Struktura zestawu

Liczba przykładów treningowych: 60 000 obrazów
Liczba przykładów testowych: 10 000 obrazów
Rozmiar obrazu: 28 × 28 pikseli (784 cechy)
Format danych: skala szarości (wartości od 0 do 255)
Klasy: 10 (cyfry od 0 do 9)

Wykorzystanie w badaniach

MNIST stał się benchmarkiem dla algorytmów takich jak:

sieci neuronowe (np. LeNet‑5)
Maszyny wektorów nośnych (SVM)
K‑najbliższych sąsiadów (K‑NN)
Algorytmy oparte na drzewach decyzyjnych
Metody optymalizacji, np. SGD

Wyróżnia go prostota, dostępność i fakt, że pozwala uzyskać bardzo wysoką dokładność (ponad 99 %) przy stosunkowo niewielkim nakładzie obliczeniowym.

Znaczące wyniki i rekordy

Od czasu publikacji MNIST, wiele prac naukowych osiągnęło na nim wyniki przekraczające 99,8 % skuteczności. Najlepsze wyniki pochodzą z modeli głębokich, w tym konwolucyjnych sieci neuronowych (CNN) oraz wariantów Transformer dostosowanych do danych obrazowych.

Krytyka i ograniczenia

Pomimo swojego znaczenia, MNIST jest krytykowany za:

Zbyt prostą naturę – obrazy są wyraźne i jednolite, co nie odzwierciedla trudniejszych realnych zastosowań.
Brak różnorodności – zbiory nie uwzględniają różnic w stylach pisma, oświetleniu czy szumie.
Możliwość przeuczenia modeli, które osiągają wysoką dokładność na MNIST, ale słabo radzą sobie z bardziej złożonymi danymi (np. CIFAR‑10, ImageNet).

Powiązane zestawy danych

Fashion‑MNIST – analogiczny zestaw, ale z obrazami ubrań.
EMNIST – rozszerzenie MNIST o litery alfabetu.
Kuzushiji‑MNIST – zestaw z japońskimi znakami katakanowymi.

Wzmianki w kulturze popularnej

MNIST pojawia się w licznych kursach, warsztatach i książkach poświęconych sztucznej inteligencji. Jego nazwa stała się synonimem prostego, lecz potężnego narzędzia edukacyjnego dla początkujących w data science.