Letter Image Recognition Data

**Description**

The objective is to identify each of a large number of black-and-white rectangular pixel displays as one of the 26 capital letters in the English alphabet. The character images were based on 20 different fonts and each letter within these 20 fonts was randomly distorted to produce a file of 20,000 unique stimuli. Each stimulus was converted into 16 primitive numerical attributes (statistical moments and edge counts) which were then scaled to fit into a range of integer values from 0 through 15. We typically train on the first 16000 items and then use the resulting model to predict the letter category for the remaining 4000. See the article cited above for more details.

**Attribute Information:**
letter - capital letter (26 values from A to Z)
x-box - horizontal position of box (integer)
y-box - vertical position of box (integer)
width - width of box (integer)
high - height of box (integer)
onpix - total # on pixels (integer)
x-bar - mean x of on pixels in box (integer)
y-bar - mean y of on pixels in box (integer)
x2bar - mean x variance (integer)
y2bar - mean y variance (integer)
xybar - mean x y correlation (integer)
x2ybr - mean of x * x * y (integer)
xy2br - mean of x * y * y (integer)
x-ege - mean edge count left to right (integer)
xegvy - correlation of x-ege with y (integer)
y-ege - mean edge count bottom to top (integer)
yegvx - correlation of y-ege with x (integer)

**Source**

[Letter Image Recognition Data from Delve datasets](http://www.cs.toronto.edu/~delve/data/letter/letterDetail.html) and [UCI](https://archive.ics.uci.edu/ml/datasets/letter+recognition)

**描述**
本数据集的任务为将海量黑白矩形像素图像分类至26个英文字母大写类别之一。字符图像基于20种不同字体生成，且对这20种字体中的每一个字母均进行随机畸变处理，最终得到20000个独特样本。每个样本均被转化为16项基础数值属性（统计矩与边缘计数），随后将属性值缩放至0至15的整数区间内。常规实验流程为使用前16000条数据进行模型训练，再利用训练得到的模型对剩余4000条数据进行字母类别预测。更多细节可参阅前文引用的文献。

**属性信息**
letter - 大写英文字母（共26个类别，取值范围为A至Z）
x-box - 样本框的水平位置（整数）
y-box - 样本框的垂直位置（整数）
width - 样本框的宽度（整数）
high - 样本框的高度（整数）
onpix - 总激活像素数（整数）
x-bar - 样本框内激活像素的x坐标均值（整数）
y-bar - 样本框内激活像素的y坐标均值（整数）
x2bar - x坐标的方差均值（整数）
y2bar - y坐标的方差均值（整数）
xybar - x与y坐标的相关系数均值（整数）
x2ybr - x²·y的统计均值（整数）
xy2br - x·y²的统计均值（整数）
x-ege - 从左至右的边缘计数均值（整数）
xegvy - x边缘计数与y坐标的相关系数（整数）
y-ege - 从下至上的边缘计数均值（整数）
yegvx - y边缘计数与x坐标的相关系数（整数）

**数据来源**
[Delve数据集的字母图像识别数据](http://www.cs.toronto.edu/~delve/data/letter/letterDetail.html) 与 [UCI](https://archive.ics.uci.edu/ml/datasets/letter+recognition)

搜集汇总

背景与挑战

背景概述

该数据集用于识别26个英文字母，包含2万个由20种字体随机扭曲生成的图像样本，每个样本提取了16个数值特征。数据通常分为16000个训练样本和4000个测试样本，特征包括统计矩和边缘计数等属性。