大一上期末

西南交通大学 机器学习实验7 支持向量机SVM （1）掌握间隔、支持向量、对偶、核函数等概念及计算方法。（2）基于多分类数据集，使用pandas+sklearn实现多分类预测。（3）通过精确率、召回率和F1值度量模型性能。（4）对比线性核和高斯核对分类性能的影响。

训练数据的存放 训练数据和测试数据建立文件夹分别存放, 建议这样存放: train 和test 文件夹分别存放训练数据和测试数据 同时, 在这两个文件夹内部, 每一类别的数据存放在一个文件夹内: 如图, 类别名称就是文件夹名. 制作caffe输入数据的文本文档: 向caffe输送数据, 无论是转换成lmdb还是直接将图像送入网络, 都需要一个文本来存放数据的路径和对应的label. 具体的

机器学习实验，分类学习算法 1、理解监督学习和分类学习的基本概念。 2、掌握分类学习五种算法的算法流程。 3、学会编写分类学习五种算法的Python编程方法。 4、会使用分类学习评价方法测评不同的算法性能

注意 逻辑回归是分类模型！！！ 本次实验我们做二分类任务，鸢尾花数据集有三个分类，那我们需要选择两个类。 逻辑回归内部也使用梯度下降算法 数据集资源 本文基于鸢尾花 数据集实现 数据集：数据集网盘下载 提取码：p2v9 数据集简单处理 import numpy as np import pandas as pd data = pd.read_csv(r"dataset/iris.arff.csv") #data # 删除重复记录 data.drop_duplicates(inplace=True) #

1.选一个自己感兴趣的主题。 2.网络上爬取相关的数据。 3.进行文本分析，生成词云。 4.对文本分析结果解释说明。 5.写一篇完整的博客，附上源代码、数据爬取及分析结果，形成一个可展示的成果。 我选取的感兴趣的主题是关于万圣节的新闻 http://ent.qq.com/a/20171029/027525.htm，然后用python语言在网络上爬取相关的数据。 　　　...

1. 数据集来源：UCI http://archive.ics.uci.edu/ml/datasets.html?format=&task=&att=&area=&numAtt=&numIns=&type=&sort=taskUp&view=table         选择看中的数据集，点击data folder，在保存对应的数据集即可~         · TXT转CSV小技巧：用ex

Python第七章作业7-1 汽车租赁 ： 编写一个程序， 询问用户要租赁什么样的汽车， 并打印一条消息， 如“Let me see if I can find you a Subaru”。 car=input("What kind of car would you like to rent?") print("Let me see if I can find you a "+car+".")7-...

1,定义车辆类，属性有车牌号、颜色、车型（小汽车、小卡、中卡和大卡） 、到达的时间和离开的时间等信息和相关的对属性做操作的行为。 2,定义一个管理类，完成对停车场的管理。停车场的具体要求：设停车场 是一个可停放n辆汽车的狭长通道，且只有一个大门可供汽车进出。汽车 在停车场内按门外的便道上等待，一旦有车开走，则排在便道上的第一 辆车即可开入；每辆停放在车场的车在它离开...

初学tensorfow，实现了一个简单的logistics回归，代码中有写内容还是在numpy中完成，然后转换到tensor，如果tensorflow中有对应方法，麻烦各位大佬提点，，谢谢 import os import tensorflow as tf import numpy as np os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' '''load f...

实验指导书    下载密码:ag1v 本篇博客主要讲解，吴恩达机器学习第七周的编程作业，包含两个实验，一是线性svm和带有高斯核函数的svm的基本使用；二是利用svm进行垃圾邮件分类。原始实验使用Matlab实现，本篇博客提供Python版本。   目录 1.实验包含文件 2.实验1 SVM简单使用 3.实验1 SVM简单使用 完整项目代码 4.垃圾邮件分类 5.垃圾邮件分类完整项...

1、编写程序，生成1000个随机[20,121)之间的整数，并统计每个元素出现的次数。 """生成1000个随机[20,121)之间的整数，并统计每个元素出现的次数。""" import random a=[random.randint(20,121) for i in range(1000)] for i in range(20,121): print(i," ， count = "...