机器学习使用python实现一个二分类问题：逻辑与(AND)的一般问题

1.1.1 实验内容

构建一个二分类问题：逻辑与(AND)的一般问题。

生成数据：正样本样本服从高斯分布，均值为[1,1]，协方差矩阵为单位矩阵；负样本服从三个高斯分布的混合高斯分布，这三个高斯分布的均值分别为[0,0], [0,1], [1,0]，每个高斯分布的协方差矩阵均为(sigma*单位矩阵)。

学习：设 sigma=0.01，请依上面的分布生成正负样本各 300 个，运用 perceptron learning algorithm 从数据中学习出一个 perceptron，实现对正负样本的二分类。

实验与讨论：请通过编程实验，讨论如下问题：

• 学习算法的收敛性与哪些因素存在怎样的关系？

• 讨论当 sigma 取值不断变大（如取值从 0.01-1）情况下，学习算法的收敛性问题，由此可以得出怎样的结论？

1.1.2 实验步骤

利用 numpy 方法生成二维高斯分布：

构建感知机类：

要点：

• 使用 bias，否则只有无法得出结果

• output 使用符号函数

• 利用损失函数使得训练可以在适当时候停止

构建训练集、测试集并进行训练，并最后评估测试结果：

1.1.3 实验结果

Sigma=0.01 时

样本：

结果：

Sigma=0.1：

Sigma=0.99

结论：

训练结果和权重初始化、bias 初始化、感知机结构、训练次数、训练终止方式、学习率等有关系。

Sigma 变大，算法收敛性减小，说明学习效果与样本分布有很大关系。当样本无法划分时，学习效果很差。

1.1.4 实验感想

学习到了具体的感知器设计，对于包的使用更加熟悉。

1.2 C3-1

---

1.2.1 实验内容

• 生成 500 个数据点(x, y), y = x + n, n 为均值为 0 标准差为 delta 的正态分布。请使用线性回归算法从输入 x 估计 y。

• 对于 x = y + n 进行同上述操作，但是依旧从 x 估计 y。

• 对于上述题目的回归曲线进行比较。

1.2.2 实验步骤

构建数据：

采用最简单的 1-1 网络：

训练：

结果显示：

1.2.3 实验结果

参数和 MSE：

回归曲线：

第一个：

第二个：

结论：

可能题意理解错误，未看出差别

1.2.4 实验感想

可能本题题意理解有错误，或者使用了 pytorch 结果过好。

1.3 C4-1

---

1.3.1 实验内容

写一个带有 bias 的基础的 3-3-1 网络反向传播程序，来解决三比特奇偶校验问题。偶数个 1bit 返回 +1，反之返回-1。展示输入-隐层的参数并且分析每个隐层神经元的函数。

1.3.2 实验步骤

自己写的 BP，使用 softmax 分类，也可以使用 sigmoid 求值：

初始化

前向传播：

反向传播：

功能函数：

Pytorch 版本：

定义 MLP，forward 最后不进行 softmax 因为 torch 的交叉熵自带

训练：

二分类：

直接求值：

1.3.3 实验结果

与预估相同

参数如下：

二分类：

Sigmoid：

对于两个输入求异或，之后对于结果和另一个输入求异或

参考：

1.3.4 实验感想

深入学习了 BP 算法。对于奇偶校验有了更多认识。

1.4 C4-2

---

1.4.1 实验内容

训练神经网络，计算森林火灾面积

1.4.2 实验步骤

数据读取和预处理：

使用了 8 个属性

神经网络构造：

使用了 dropout 防止过拟合

训练与验证结果：

1.4.3 实验结果

没有花费很多时间优化参数，所以结果可能较差。

1.4.4 实验感想

本次没有很多时间优化，因此结果可能较差。感觉数据量过少，线性回归效果可能不好。

1.5 C4-3

---

1.5.1 实验内容

Mnist

1.5.2 实验步骤

定义模型，未使用 CNN：

预处理：

训练与测试：

1.5.3 实验结果

准确率达 97.21%

1.5.4 实验感想

因为无法使用 GPU 所以未使用 CNN，Mnist 的解决方法已经相当成熟，即使不用 CNN 也能达到很好结果。

1.6 C5-1

---

1.6.1 实验内容

构建一个类别不平衡的二分类问题。

生成数据：正样本样本服从高斯分布，均值为[2,3]，协方差矩阵为单位矩阵；负样本服从高斯分布，均值为[5,6]，协方差矩阵为单位矩阵。

学习：请依上面的分布生成正样本 200 个，负样本 800 个，将其划分为包含 60% 样本的训练集、20% 样本的验证集和 20% 样本的测试集，通过分别构建两个不同的 MLP 模型实现对正负样本的二分类。其中第一个 MLP 模型含有一个隐层，第二个 MLP 模型含有两个隐层。

实验与讨论：请通过编程实验，讨论如下问题：a. 若要求 MLP 模型对于正例样本的预测有更高的查准率和查全率，请考虑在模型选择中采用哪种性能衡量指标；b.通过绘制学习曲线，分析模型的偏差与方差；c.通过绘制 ROC 曲线，比较两个 MLP 模型。

1.6.2 实验步骤

MLP_1 一个隐层

MLP_2 两个隐层

初始化：

交叉验证得到学习曲线：

得到性能指标：

1.6.3 实验结果

使用交叉熵作为损失函数

MLP_1 的学习曲线，每次增加 50 个训练样本：

MLP_2 的学习曲线：

可以看到二者的偏差都较小，但是第二个模型的方差更大，说明出现过拟合

MLP_1 训练时的 loss：

MLP_1 验证集/测试集上的性能指标：

MLP_2 的 loss：

MLP_2 验证集/测试集上的性能指标：

要求对于正率更高准确率和查全率，应该考虑正例的 f1 性能指标。

ROC 曲线：

AUC：

可以看到，二者结果十分相似，其中 mlp_2 在正例上可能过拟合更严重一些，但是总的结果更好。

1.6.4 实验感想

实际上使用了交叉验证绘制学习曲线，对于验证集并没有过多使用。

1.7 C6-1

---

1.7.1 实验内容

• 对于 Fisheriris 数据集

• 使用一对多 SVM 针对四个输入数据二分类进行三分类；

• 使用 KNN 分类；

• 使用 MLP 二分类并最后组合；

1.7.2 实验过程

数据预处理：

SVM：

将 0， 1， 2 数据作为正例，其他作为反例，其他两个亦同下图

训练三个分类器，并进行组合

评估结果，分别是自己的一对多和 sklearn 的一对多

KNN：

自己完成的 KNN：

Sklearn 的 KNN：

MLP：

实际上过程类似 SVM

网络：

1.7.3 实验结果

SVM 自己完成的一对多

-1 为无法分类的数据，无法很好的处理

Sklearn 的一对多

效果非常好

KNN：

分别是自己完成的 knn 和 sklearn 的 knn

MLP 结果：

效果很好

1.7.4 实验感想

使用了多个分类方式，对于分类器有了更多理解。

1.8 C6-2

---

1.8.1 实验内容

在西瓜数据集 3.0α上分别用线性核和高斯核训练 SVM，并比较其支持向量的差别。

1.8.2 实验步骤

数据预处理，不使用 test，因为数据量过少：

线性核和高斯核：

1.8.3 实验结果

可见，高斯核好于线性核

支持向量均为 17x2 向量

线性核支持向量：

高斯核支持向量：

1.8.4 实验感想

对于 SVM 还是不够了解，第一个实际使用了 LinearSVM，和 SVM 有一些不同。

1.9 C7-1

---

1.9.1 实验内容

试编程实现 K-means 算法，设置三组不同的 k 值、三组不同的初始中心点，在西瓜数据集 4.0 上进行实验比较，并讨论什么样的初始中心有利于取得好结果。

1.9.2 实验步骤

构建自己的 KMeans 类：

初始化：

利用参数选择质心初始化方式

聚类的过程：

判断聚类结果是否已经不变：

四个选择质心的方法，分别为随机选择，将数据排序后均匀选择，选择最好质心和 KMeans++：

欧氏距离计算：

数据预处理：

随后分别求 k=2，3，4 时的随机选择结果：

以及 k=3 时的均匀选择和最好结果：

K=3 时 KMeans++：

使用 Sklearn 的 Kmeans++ 选择质心：

1.9.3 实验结果：

以下分别为 k=2，3，4 时，质心随机选择的聚类图像以及评估距离，质心为红色：

以下为 k=3，均匀选择质心结果：

以下为 k=3 的最好质心：

KMeans++ 的结果：

Sklearn 的算法结果：

可以看到，KMeans++ 可以得到非常优秀的质心选择结果

1.9.4 实验感想

自己实现了多种 KMeans，很有成就感

1.10 C8-1

---

1.10.1 实验内容

请通过对 Iris data 的可视化，比较 PCA、LDA 和 ICA 的可视化效果。

1.10.2 实验步骤

自己实现了 PCA，其他调包

数据预处理：

PCA：

LDA：

ICA：

1.10.3 实验结果

原数据雷达图：

PCA 散点图：

雷达图：

LDA 散点图：

雷达图：

ICA 散点图：

雷达图：

结论：

比较效果其实相近。

1.10.4 实验感想

学习了可视化方法，对于可视化工具有了新的认识。

完整代码：https://download.csdn.net/download/pythonyanyan/87390267