基于线性回归的新冠人数预测
使用全连接线性神经网络,基于前两天的新冠人数和社会情况对第三天新冠人数进行预测。
(1) 使用Relu激活函数,尝试多种全连接结构,得到了适合于此项目的网络厚度与宽度。
(2)处理数据,对不同特征值进行归一化处理,避免某些特征因为数值范围大而过分影响模型的结果。
(3)基于相关系数对数据集的特征进行了筛选,从多个特征中选取出最为相关的三个特征,去除了数据集中的杂音,提升了模型效果。(selectkbest函数)
描述:美国40个州,统计了连续三天的新冠阳性人数,和每天的一些社会特征,比如带口罩情况,居家办公情况等等。训练集为完整三天数据,测试集为前两天的情况以及第三天的特征,用训练集训练完成后,我们用测试集来预测其第三天的阳性人。
基于深度学习的图像分类网络研究
在food-11数据集上对卷积神经网络的分类性能进行探索。
(1)使用多种数据增广方法对数据集进行扩充,增强了模型泛化能力,一定程度上弥补
了数据不均衡的问题。
(2)对迁移学习效果进行了探索,观察了是否使用预训练参数对结果的影响。
(3)尝试半监督实现,有效地利用未标记数据来提高模型性能。