上机实验

、上机实验一：数据准备与模型评估
1、实验目的
第九实验楼510-512
熟悉Python 的基本操作，掌握对数据集的读写实现、对模型性能的评估实现的能力；
加深对训练集、测试集、N折交叉验证、模型评估标准的理解。
2、实验内容
（1）利用pandas库从本地读取iris数据集；
（2）从scikit-learn 库中直接加载iris 数据集；
（3）实现五折交叉验证进行模型训练；
（4）计算并输出模型的准确度、精度、召回率和F1值。
3、操作要点
（1）安装Python及pycharm（一种Python开发IDE），并熟悉Python基本操作；
（2）学习pandas库里存取文件的相关函数，以及scikit-learn库里数据集下载、交叉验
证、模型评估等相关操作；
（3）可能用的库有pandas，scikit-learn，numpy 等，需要提前下载pip；
（4）测试模型可使用随机森林rf_classifier=RandomForestClassifier(n_estimators=100)，
或其它分类器；
（5）撰写实验报告，提交源代码；实验报告在所有上机实验结束后提交。
4、主要仪器设备
微机及Python软件。
三、上机实验二：逻辑回归算法实现与测试
1、实验目的
深入理解对数几率回归（即逻辑回归的）的算法原理，能够使用Python语言实现对数
几率回归的训练与测试，并且使用五折交叉验证算法进行模型训练与评估。
2、实验内容
推荐参考书：[1] 范淼, 李超.Python 机器学习及实践, 清华大学出版社.
[2] Peter Harrington. 机器学习实战, 人民邮电出版社。
（1）从scikit-learn 库中加载 iris 数据集或本地读取，进行数据分析；
（2）采用五折交叉验证划分训练集和测试集，使用训练集训练对数几率回归（逻辑回
归）分类算法；
（3）使用五折交叉验证对模型性能（准确度、精度、召回率和F1值）进行测试；
（4）通过对测试结果进行比较分析，评估模型性能；
（5）完成实验报告中实验二的部分。
3、操作要点
（1）可以选择自行编写源代码完成对数几率回归算法，或者调用scikit-learn库中的函
数；
（2）如果调用scikit-learn 库中的函数，需要说明函数各个参数的含义（名称）、解释或
说明（包括作用、取值等）、默认值（如有，可在备注列写出）等，即自行编写代码只需要
粘贴完整的带有注释的源代码即可，调用函数则包括粘贴源代码和函数参数说明两部分；
（3）一周内在超星作业提交源代码，打包命名；学号姓名-任务2；
（4）按要求撰写实验报告，实验报告在所有上机实验结束后提交。
4、主要仪器设备
微机及Python软件。
四、上机实验三：C4.5（带有预剪枝和后剪枝）算法实现与测试
1、实验目的
深入理解决策树、预剪枝和后剪枝的算法原理，能够使用Python语言实现带有预剪枝
和后剪枝的决策树算法C4.5算法的训练与测试，并且使用五折交叉验证算法进行模型训练
与评估。
2、实验内容
（1）从scikit-learn 库中加载 iris 数据集或本地读取，进行数据分析；
（2）采用五折交叉验证划分训练集和测试集，使用训练集对C4.5分类算法进行训练；
（3）使用五折交叉验证对模型性能（准确度、精度、召回率和F1值）进行测试；
（4）通过对测试结果进行比较分析，评估模型性能；
（5）完成实验报告中实验三的部分。
3、操作要点
（1）可以选择自行编写源代码完成决策树算法C4.5算法，或者调用scikit-learn库中的
函数；
（2）如果调用scikit-learn 库中的函数，需要说明函数各个参数的含义（名称）、解释或
说明（包括作用、取值等）、默认值（如有，可在备注列写出）等，即自行编写代码只需要
粘贴完整的带有注释的源代码即可，调用函数则包括粘贴源代码和函数参数说明两部分；
（3）一周内在超星作业提交源代码，打包命名；学号姓名-任务3；
（4）按要求撰写实验报告，实验报告在所有上机实验结束后提交。
4、主要仪器设备
微机及Python软件。
推荐参考书：[1] 范淼, 李超.Python 机器学习及实践, 清华大学出版社.
[2] Peter Harrington. 机器学习实战, 人民邮电出版社。
五、上机实验四：SMO算法实现与测试
1、实验目的
深入理解支持向量机（SVM）的算法原理，能够使用Python语言实现支持向量机的训
练与测试，并且使用五折交叉验证算法进行模型训练与评估。
2、实验内容
（1）从scikit-learn 库中加载 iris 数据集或本地读取，进行数据分析；
（2）采用五折交叉验证划分训练集和测试集，使用训练集对SMO支持向量机分类算
法进行训练；
（3）使用五折交叉验证对模型性能（准确度、精度、召回率和F1值）进行测试；
（4）通过对测试结果进行比较分析，评估模型性能；
（5）完成实验报告中实验四的部分。
3、操作要点
（1）可以选择自行编写源代码完成SMO支持向量机算法，或者调用scikit-learn库中
的函数；
（2）如果调用scikit-learn 库中的函数，需要说明函数各个参数的含义（名称）、解释或
说明（包括作用、取值等）、默认值（如有，可在备注列写出）等，即自行编写代码只需要
粘贴完整的带有注释的源代码即可，调用函数则包括粘贴源代码和函数参数说明两部分；
（3）一周内在超星作业提交源代码，打包命名；学号姓名-任务4；
（4）按要求撰写实验报告，实验报告在所有上机实验结束后提交。
4、主要仪器设备
微机及Python软件。
六、上机实验五：BP神经网络算法实现与测试
1、实验目的
深入理解BP神经网络的算法原理，能够使用Python语言实现BP神经网络的训练与测
试，并且使用五折交叉验证算法进行模型训练与评估。
2、实验内容
（1）从scikit-learn 库中加载 iris 数据集或本地读取，进行数据分析；
（2）采用五折交叉验证划分训练集和测试集，使用训练集对BP神经网络分类算法进
行训练；
（3）使用五折交叉验证对模型性能（准确度、精度、召回率和F1值）进行测试；
（4）通过对测试结果进行比较分析，评估模型性能；
（5）完成实验报告中实验五的部分。
3、操作要点
（1）可以选择自行编写源代码完成BP神经网络算法，或者调用scikit-learn库中的函
数；
（2）如果调用scikit-learn 库中的函数，需要说明函数各个参数的含义（名称）、解释或
推荐参考书：[1] 范淼, 李超.Python 机器学习及实践, 清华大学出版社.
[2] Peter Harrington. 机器学习实战, 人民邮电出版社。
说明（包括作用、取值等）、默认值（如有，可在备注列写出）等，即自行编写代码只需要
粘贴完整的带有注释的源代码即可，调用函数则包括粘贴源代码和函数参数说明两部分；
（3）一周内在超星作业提交源代码，打包命名；学号姓名-任务5；
（4）按要求撰写实验报告，实验报告在所有上机实验结束后提交。
4、主要仪器设备
微机及Python软件