2023春季学期机器学习考试大作业Q2. 分析垃圾分类的图片数据说明： 1.文件夹garbage_classification中的两个文件夹carboard和glass中分别含有两类数据。每个观测是

Mrrunsen

已于 2023-09-04 07:38:05 修改

阅读量114

点赞数

分类专栏： R语言大学作业文章标签：机器学习课程设计分类

于 2023-07-19 10:45:26 首次发布

本文链接：https://blog.csdn.net/Mrrunsen/article/details/131803507

版权

R语言大学作业专栏收录该内容

1394 篇文章 6262 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本作业涉及机器学习课程，包括有监督与无监督学习对比、PCA和bootstrap原理，重点分析垃圾分类图片数据。学生需将数据分为训练集和测试集，训练模型并比较逻辑回归、决策树和随机森林的性能。随机森林模型表现出最高准确率。

摘要由CSDN通过智能技术生成

2023春季学期机器学习考试大作业
要求：
1.作业提交截止时间：2023年6月5日；
2.作业格式：作业完成后将分析步骤和结果总结在word文档中，电子版交至学习通；纸质版学委收齐后交给我；
3.主要的考核手段：方法利用的多少；方法利用是否正确；预测性能；等等；
Q1. 论述题
1.概述本门课程所学习的内容；
2.简述有监督学习与无监督学习的区别，主要的方法分别有哪些？
3.如何评价一个有监督模型的优良性？
4.简述PCA的基本原理与步骤；
5.简述bootstrap的基本原理与步骤。
Q2. 分析垃圾分类的图片数据
说明：
1.文件夹garbage_classification中的两个文件夹carboard和glass中分别含有两类数据。每个观测是一个维度为3845123图片。目的：利用图片信息进行分类。
2.设置种子为20230520，分别将两个文件夹中的数据分为训练集（80%）和测试集（20%）。
3.用所学方法分析该数据，在训练集上训练模型，在测试集上测试。分析结果并比较各模型优良性。
Q3.
分析文件mayor中的市长热线电话12345的文本分类问题.
说明࿱