人工智能与模式识别作业

ysh9888

于 2021-10-20 16:16:15 发布

阅读量735

点赞数 4

分类专栏：作业文章标签： python

本文链接：https://blog.csdn.net/qq_43620967/article/details/120832011

版权

作业专栏收录该内容

14 篇文章

订阅专栏

本博客涵盖了多种机器学习模型的应用，包括使用线性回归预测餐厅利润和房价，通过朴素贝叶斯进行身高性别分类，运用深度学习的ANN对MNIST手写数字进行分类，使用SVM识别垃圾邮件，以及基于CNN的FashionMNIST图像分类。资料链接提供详细实现过程和代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1：使用线性模型实现餐厅利润和房屋价格预测

在这里插入图片描述

要求：

可视化数据集的样本分布结果
可视化线性回归拟合结果
预测在面积大小为3.1415的城市开一家餐厅的预计利润，以及面积为2000卧室数量为1的房屋的成交价格
完成实验报告

数据集：

ex1data1.txt
ex1data2.txt

sklearn线性回归实现房价预测模型

WORD版https://download.csdn.net/download/qq_43620967/33477669

使用SVM预测模型的通用步骤

选择使用的SVM类
用数据训练模型
检查验证误差并作为基准线
为SVM参数尝试不同的值
检查验证误差是否改进
再次使用最优参数的数据来训练模型

import numpy as np
from sklearn.model_selection import GridSearchCV
parameters={'kernel':['linear','rbf','sigmoid','poly'],'C':np.linspace(0.1,20,50),'gamma':np.linspace(0.1,20,20)}
svc = svm.SVC()
model = GridSearchCV(svc,parameters,cv=5,scoring='accuracy')
model.fit(X_train,y_train)
model.best_params_
model.score(X_test,y_test)