机器学习实验
文章平均质量分 83
Qutter
这个作者很懒,什么都没留下…
展开
-
机器学习实验(四)
实验四 SVM一、 实验目的加深对监督学习的理解和认识。掌握 SVM 分类器的设计方法。通过鸢尾花的花萼(sepal)和花瓣(petal)的长和宽,建立SVM分类器来判断样本属于山鸢尾(Iris Setosa)、变色鸢尾(Iris Versicolor)还是维吉尼亚鸢尾(Iris Virginica)。二、实验原理支持向量机旨在求一个分离超平面。这个超平面使得离它最近的点能够最远。三、分类步骤导入鸢尾花数据集;数据归一化;训练集和测试数据集划分;评价分类原创 2021-11-09 22:08:20 · 956 阅读 · 0 评论 -
机器学习实验(三)
实验三 聚类算法一、实验目的加深对非监督学习的理解和认识。掌握基于距离的和基于密度的动态聚类算法的设计方法。二、实验原理非监督学习的理论基础。动态聚类分析的思想和理论依据。聚类算法的评价指标。本次实验采用两种均值聚类算法实现聚类K-Means:即“K均值聚类算法”,具体实现步骤如下随机的从样本中选择 K 个点作为初始质心。计算每个样本到各个质心的距离,将样本划分到距离最近的质心所对应的簇中。样本之间的距离选用欧式距离:dij=(x1−x2)2+(y1−y2)2原创 2021-11-09 22:07:19 · 1502 阅读 · 0 评论 -
机器学习实验(二)
实验二 PCA降维一、实验目的理解和掌握PCA原理利用PCA降维,辅助完成一项实战内容。二、实验原理对于矩阵A,有一组特征向量v,将这组向量进行正交化单位化,就能得到一组正交单位向量。特征值分解的工作就是就是将矩阵A分解为如下所示三个矩阵的乘积:Λ=Q−1AQ=QTAQ{\bf \Lambda} = \textbf Q^{-1}\textbf A \textbf Q = \textbf Q^{T}\textbf A\textbf QΛ=Q−1AQ=QTAQ其中,Q是矩阵A的特征原创 2021-11-09 22:06:47 · 330 阅读 · 0 评论 -
机器学习实验(一)
实验一 逻辑回归一、实验目的加深对逻辑回归算法的理解和认识。掌握基于逻辑回归的二分类算法和基于 softmax 的多分类算法的设计方法。二、实验原理先拟合决策边界(不局限于线性,还可以是多项式),再建立这个边界与分类的概率联系,从而得到了二分类情况下的概率。极大似然估计求解的思想和理论依据。逻辑回归的评价指标。三、聚类步骤读入要分类的数据(数据集:iris_data),并做一些数据格式的预处理,划分训练集和测试集。选择对鸢尾花实现多分类,可使用 sof原创 2021-11-09 22:05:34 · 881 阅读 · 0 评论