![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习实验
文章平均质量分 96
qq_41626672
这个作者很懒,什么都没留下…
展开
-
机器学习实验 - MeanShift聚类
西南交通大学 机器学习实验10 MeanShift聚类(1)了解Meanshift聚类思想;(2)编程实现Meanshift聚类算法;(3)基于鸢尾花数据集,使用聚类纯度、兰德系数和F1值评测聚类效果。原创 2022-11-07 17:37:08 · 1886 阅读 · 0 评论 -
机器学习实验 - 集成学习(AdaBoost、Bagging、随机森林)
西南交通大学 机器学习实验8 集成学习(1)掌握集成学习思想,掌握boosting和bagging策略;(2)基于Adaboost实现多分类任务;(3)参考随机森林,以决策树为基学习器,构建bagging集成器用于多分类任务。原创 2022-11-04 09:45:19 · 2825 阅读 · 0 评论 -
机器学习实验 - 支持向量机SVM
西南交通大学 机器学习实验7 支持向量机SVM(1)掌握间隔、支持向量、对偶、核函数等概念及计算方法。(2)基于多分类数据集,使用pandas+sklearn实现多分类预测。(3)通过精确率、召回率和F1值度量模型性能。(4)对比线性核和高斯核对分类性能的影响。原创 2022-10-31 22:09:07 · 1524 阅读 · 0 评论 -
机器学习实验 - 决策树
西南交通大学 机器学习实验6 决策树(1)了解pandas和sklearn数据科学库功能;(2)学习在conda或pip环境下安装库;(3)掌握决策树原理,包括划分选择中三种经典指标信息增益、增益率和基尼指数的优缺点,剪枝处理方法及作用、连续值与缺失值处理等;(4)基于多分类数据集,使用pandas和sklearn库处理数据以及选择决策树模型,通过精确率、召回率和F1值度量模型性能,对比不同剪枝策略、不同划分选择标准的性能表现,给出模型的特征重要度。原创 2022-10-31 17:04:49 · 1432 阅读 · 1 评论 -
机器学习实验 - 线性回归
西南交通大学 机器学习实验5 线性回归编程实现线性回归模型,使用批梯度下降优化算法,基于MAE评估模型性能,对比不同学习率,绘制损失函数曲线图。原创 2022-10-25 13:39:48 · 3224 阅读 · 0 评论 -
机器学习实验 - 逻辑回归
西南交通大学 机器学习实验4 逻辑回归给定一个二分类数据集,编程实现逻辑回归模型,包括数据处理模块、前向计算模块、损失函数模块、梯度计算模块、参数优化模块、预测模块等,使用混淆矩阵评估逻辑回归模型性能表现。原创 2022-10-25 13:28:54 · 1389 阅读 · 0 评论 -
机器学习实验 - K均值聚类
西南交通大学 机器学习实验3 K均值聚类(1)了解无监督任务范式概念,掌握聚类思想。(2)掌握K-means算法,编程实现K-means。(3)基于鸢尾花数据集,使用聚类纯度、兰德系数和F1值评测聚类效果。原创 2022-10-25 13:18:31 · 4637 阅读 · 0 评论 -
机器学习实验 - 朴素贝叶斯分类器
西南交通大学 机器学习实验2 朴素贝叶斯分类器(1)了解朴素贝叶斯与半朴素贝叶斯的区别与联系,掌握高斯分布、多项式分布和伯努利分布的朴素贝叶斯计算方法。(2)编程实现朴素贝叶斯分类器,基于多分类数据集,使用朴素贝叶斯分类器实现多分类预测,通过精确率、召回率和F1值度量模型性能。原创 2022-10-25 12:54:25 · 5015 阅读 · 0 评论 -
机器学习实验 - 分类与回归模型评估
西南交通大学 机器学习实验1 分类与回归模型评估(1) 给定二分类数据集,包含了真实标签和多个算法的预测结果,编程实现混淆矩阵评测,根据指标评价算法的分类性能。(2)给定回归任务数据集,包含真实标签和多个算法的预测结果,编程实现RMSE、MAE、MAPE三种评测,根据指标评价算法的预测性能。(1)混淆矩阵评测\qquad混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,也是除了ROC曲线和AUC之外的另一个判断分类好坏程度的方法,用n行n列的矩阵形式来表示。原创 2022-10-25 12:29:25 · 779 阅读 · 1 评论