当在自己的手写数字上运行时，Mnist数字识别器会给出错误的答案。为什么？

当在自己的手写数字上运行时，Mnist数字识别器可能会给出错误的答案的原因有以下几个可能性：

1. 数据质量问题：Mnist数字识别器是基于机器学习算法训练的模型，如果手写数字的质量较差，例如笔迹模糊、断断续续等，可能会导致识别器无法准确识别数字。
2. 模型训练不充分：Mnist数字识别器的准确性取决于训练数据的质量和数量。如果训练数据不足或者不具有代表性，模型可能无法很好地泛化到新的手写数字上，从而导致错误的答案。
3. 特征提取问题：Mnist数字识别器可能在特征提取过程中遇到问题。特征提取是指将手写数字转换为机器学习算法可以理解的数字特征的过程。如果特征提取过程中选择的特征不具有代表性，或者特征提取算法不适用于某些手写数字的特征，可能会导致错误的答案。
4. 模型选择问题：Mnist数字识别器可能选择的模型不适用于某些手写数字的识别。不同的机器学习算法适用于不同类型的问题，如果选择的模型不适合手写数字识别任务，可能会导致错误的答案。

针对以上问题，可以采取以下措施来改进Mnist数字识别器的准确性：

1. 数据预处理：对手写数字进行预处理，例如去噪、二值化、归一化等，以提高数据质量。
2. 增加训练数据：收集更多具有代表性的手写数字数据，并加入到训练集中，以提高模型的泛化能力。
3. 特征工程：尝试不同的特征提取方法，或者使用深度学习等自动特征提取的方法，以提高特征的表达能力。
4. 模型调优：尝试不同的机器学习算法或深度学习模型，并进行参数调优，以选择最适合手写数字识别任务的模型。

腾讯云相关产品和产品介绍链接地址：

• 数据预处理：腾讯云图像处理（https://cloud.tencent.com/product/tci）
• 增加训练数据：腾讯云数据万象（https://cloud.tencent.com/product/ci）
• 特征工程：腾讯云机器学习（https://cloud.tencent.com/product/ml）
• 模型调优：腾讯云AI Lab（https://cloud.tencent.com/product/ai-lab）