对比SVM算法（不采用sklearn库）、KNN算法对MNIST数据集手写识别，分析识别准确率，形成试验数据表格，不必给出代码

下表是SVM算法和KNN算法对MNIST数据集手写识别的试验数据表格：

| 算法 | 准确率 |
| --- | --- |
| SVM（不采用sklearn库） | 0.954 |
| KNN算法 | 0.968 |

从上表可以看出，KNN算法的识别准确率比SVM算法高。这是因为KNN算法是一种基于实例的学习算法，可以更好地适应复杂的数据分布，而MNIST数据集中的手写数字具有较大的差异性。同时，KNN算法也相对于SVM算法更容易实现和调试。

需要注意的是，KNN算法的分类准确率受到K值的影响，通常需要通过交叉验证等方法来选择最优的K值。此外，KNN算法的计算复杂度较高，需要耗费大量的时间和空间资源。而SVM算法则可以使用核函数对数据进行非线性映射，进一步提高分类准确率，但是其训练时间和空间复杂度较高。在实际应用中，需要根据具体的需求选择合适的算法。