xqmids99的博客

本文针对江西省南昌市2022年空气质量问题，采用各种机器学习算法实现其分类、知识、预测等。文中采用了基于SVM的图像分类或归类、深度学习模型LSTM、KNN算法、决策树、随机森林和线性回归分析等方法，对南昌市空气质量进行了研究和预测，并综合分析了各种算法的优缺点和适用性，为南昌市及相关决策部门提供了有效的参考建议。

机器学习实验报告实验题目： 优化算法 ## 一、实验目的：1 掌握迭代优化算法的基本框架2 掌握随机梯度下降和坐标轴下降算法## 二、实验步骤：1.随机梯度下降：①岭回归动量法学习率自适应②Logistic回归（L2正则）两类分类多类分类2.坐标轴下降：Lasso回归

一、实验目的：（1）K折交叉验证是一种常用的模型评估方法，它可以在有限的数据下充分利用数据集，提高模型精度和泛化能力。K折交叉验证将数据集分成K个互不重叠的子集，每次选取其中一个子集作为测试集，剩余K-1个子集作为训练集，然后计算模型在测试集上的误差，重复该过程K次，最终得到K个误差值的平均数作为模型的性能指标。（2）寻找最佳的K值可以通过在一定范围内遍历K值，比较不同K值下模型的性能指标来确定最佳的K值。比如，可以从2开始尝试不同的K值，直到最大的K值等于数据集大小。通常情况下，K的取值范围应该保证

一、实验目的：1.建立对机器学习数据集的感性认识2.掌握利用numpy创建矩阵，以及进行基本矩阵计算的方法二、实验步骤：①　随机生成线性回归数据集②　随机生成线性可分的两类分类数据集③　随机生成线性可分的多类分类数据集样本标签为独热向量样本标签为标量