qmz-znv2

摘要： 实验总结 通过一系列机器学习实验，我不仅深入理解了不同算法的原理，还掌握了如何使用Python进行实际操作，从而加深了对各类模型的理解和应用能力。每个实验的过程中，我学会了如何有效地处理数据、训练和评估模型，以及如何利用交叉验证来提升模型的泛化能力。特别是在逻辑回归、决策树、支持向量机、BP神经网络 阅读全文

摘要： 实验八：随机森林算法实现与测试 一、实验目的 深入理解随机森林的算法原理，进而理解集成学习的意义，能够使用 Python 语言实现随机森林算法的训练与测试，并且使用五折交叉验证算法进行模型训练与评估。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1/ 阅读全文

摘要： 实验七：K 均值聚类算法实现与测试 一、实验目的 深入理解 K 均值聚类算法的算法原理，进而理解无监督学习的意义，能够使用 Python语言实现 K 均值聚类算法的训练与测试，并且使用五折交叉验证算法进行模型训练与评估。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数据集， 阅读全文

摘要： 实验六：朴素贝叶斯算法实现与测试 一、实验目的 深入理解朴素贝叶斯的算法原理，能够使用 Python 语言实现朴素贝叶斯的训练与测试，并且使用五折交叉验证算法进行模型训练与评估。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1/3 的样本作为测试集（ 阅读全文

摘要： 实验五：BP 神经网络算法实现与测试 一、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。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1/3 的 阅读全文

摘要： 实验四：SMO 算法实现与测试 一、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。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1/3 的样本作为 阅读全文

摘要： 实验三：：C4.5（带有预剪枝和后剪枝）算法实现与测试 一、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。 二、实验内容 （1）从 scikit-learn 阅读全文

摘要： 实验二：逻辑回归算法实现与测试 一、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。 二、实验内容 （1）从scikit-learn 库中加载 iris 数据集，使用留出法留出 1/3 的 阅读全文

摘要： 实验一：数据准备与模型评估 一、实验目的 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。 二、实验内容 （1）利用 pandas 库从本地读取 iris 数据集； （2）从 scikit-learn 库中 阅读全文

摘要： 实验7 Spark初级编程实践 1.实验目的 （1）掌握使用Spark访问本地文件和HDFS文件的方法 （2）掌握Spark应用程序的编写、编译和运行方法 2.实验平台 （1）操作系统：Ubuntu18.04（或Ubuntu16.04）； （2）Spark版本：2.7.3； （3）Hadoop版本： 阅读全文