隐世480-CSDN博客

原创利PCR简化数据

print(f"最佳维度: {n_components}")n = 10 # 显示前10个样本的原始图像和重构图像。# 这里我们假设我们的目标是保留90%的方差。# 将数据集划分为训练集和测试集。# 使用最佳维度进行PCA转换。# 可视化显示图像的压缩效果。# 对训练集进行PCA拟合。# 加载MNIST数据集。# 缩小最佳维度的范围。# 重构出降维后的图像。# 初始化PCA模型。

2024-05-28 17:59:39 839

plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题。plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体。plt.title('属性关联矩阵', fontproperties='SimHei')plt.title('单因子模型', fontproperties='SimHei')plt.title('多因子模型', fontproperties='SimHei')

2024-05-28 17:45:14 701

原创线性回归算法预测房价

plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题。plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体。plt.title('属性关联矩阵', fontproperties='SimHei')plt.title('单因子模型', fontproperties='SimHei')plt.title('多因子模型', fontproperties='SimHei')

2024-05-17 15:45:08 351

原创 house price

data = pd.read_csv('./housing_price.csv',sep = ',',encoding = 'utf-8') #加载数据。plt.rcParams['font.sans-serif'] = 'SimHei'#设置字体为SimHei显示中文。# 调用线性回归模型，训练数据，依据模型预测房价，并显示，红色点为预测值，蓝色的点为原始值。print('回归方程为：\n','y=',coef[0],'*x0+',plt.rc('font', size=14)#设置图中字号大小。

2024-05-16 17:50:19 970

原创秘密武器人工神经网络

在这个代码中，我们使用了sklearn库的MLPClassifier类来构建多层感知器网络模型，并分别基于不同的激活函数（'relu'、'logistic'、'tanh'）进行了训练和预测，并计算了它们的准确率。给出用多层感知器网络实现数字识别分类：基于手写体邮政编码点阵数据，利用多层感知器网络实现数字识别分类，并比较不同激活函数对分类预测的影响的Python代码，数据集为邮政编码数据.txt，并使用Numpy,pandas,matplotlib,skleart库。# 定义多层感知器网络模型。

2024-04-16 15:23:19 342

原创人工神经网络实验

接下来，我们将尝试不同的激活函数对分类预测的影响。我们可以通过设置`activation`参数来改变激活函数，然后比较它们对分类预测的影响。给出用多层感知器网络实现数字识别分类：基于手写体邮政编码点阵数据，利用多层感知器网络实现数字识别分类，并比较不同激活函数对分类预测的影响的Python代码,已知邮政编码数据.txt。通过上述代码，我们可以比较不同激活函数对分类预测的影响，然后选择最适合数据集的激活函数进行模型训练和预测。print("激活函数", activation, "的准确率:", acc)

2024-04-16 14:54:35 444

qq_73813901的博客

原创利PCR简化数据

原创线性回归预测房价

原创线性回归算法预测房价

原创 house price

原创秘密武器人工神经网络

原创人工神经网络实验

原创决策树sy

原创泰坦尼克号生存

原创机械学习实验一代码

空空如也

空空如也