《机器学习》课程支持向量机实验，包括详细的jupyter文件和解释，代码均成功运行。 机器学习支持向量机实验内容 一、实验内容 1.1 支持向量机的核函数 1. 了解核函数对 SVM 的影响 2. 绘制不同核函数的决策函数图像 3. 简述引入核函数的目的 1.2 支持向量机的软间隔 1. 了解分离超平面、间隔超平面与支持向量的绘制 2. 调整 C 的值，绘制分离超平面、间隔超平面和支持向量 3. 简述引入软间隔的原因，以及 C 值对 SVM 的影响 1.3 支持向量机的分类任务 1. 使用支持向量机完成 spambase 垃圾邮件分类任务 2. 使用训练集训练模型，计算测试集的精度，查准率，查全率，F1 值 1.4 支持向量机的回归任务 1. 使用支持向量机完成 kaggle 房价预测问题 2. 使用训练集训练模型，计算测试集的 MAE 和 RMSE 要求将结果写入到 markdown 的表格中！ 二、数据介绍 2.1 kaggle 房价预测数据集 文件名：

资源特点：基于课程作业，一共有三个案例 1.1 使用 sklearn 的 DBSCAN 和 GaussianMixture 完成聚类 1.2 使用 sklearn 的 KMeans 完成聚类 1.3 实现 K-means 每个案例配有详细的代码和解释，都能测试通过。 机器学习第八章实验内容 详细内容见第七周实验内的 jupyter notebook。 一、实验内容 1.1 使用 sklearn 的 DBSCAN 和 GaussianMixture 完成聚类 1. 使用 sklearn 的 DBSCAN 和 GaussianMixture 在两个数据集上完成聚类任务 2. 对聚类结果可视化 3. 对比外部指标 FMI 和 NMI 4. 选做：调整密度聚类的 eps 参数，绘制聚类结果 1.2 使用 sklearn 的 KMeans 完成聚类 1. 使用 sklearn 的 Kmeans 完成两个数据集的聚类任务 2. 计算外部指标 FMI 和 NMI 3. 对聚类结果可视化 1.3 实现 K-means 1. 实现一个 K-means 聚类算法 2. 计算外部指标 FMI 和 NMI

资源特点：基于北京交通大学《机器学习》课程中，神经网络部分的课程作业，一共有六个案例 1.1 使用 sklearn 的多层感知机 1.2 神经网络：线性回 1.3 神经网络：对数几率回归 1.4 神经网络：三层感知机 1.5 实现 n 层感知机 1.6 设计一种改良的优化算法 每个案例配有详细的代码和解释，都能测试通过。 一、实验内容 1.1 使用 sklearn 的多层感知机 使用 sklearn 自带的手写数字数据集： 1. 学习标准化处理的方法 2. 使用 sklearn.neural_network.MLPClassifier 完成手写数字分类任务 3. 绘制学习率为 3，1，0.1，0.01 训练集损失函数的变化曲线 1.2 神经网络：线性回归 1. 学会梯度下降的基本思想 2. 学会使用梯度下降求解线性回归 3. 了解标准化处理的效果 1.3 神经网络：对数几率回归 1. 完成对数几率回归 2. 使用梯度下降求解模型参数 3. 绘制模型损失值的变化曲线 4. 调整学习率和迭代轮数，观察损失值曲线的变化 5. 按照给定的学习率和迭代轮数，初始化新的参数，绘制新模型在训练集和测

资源特点：基于北京交通大学《机器学习》课程作业，一共有4个案例 1.1 一元线性回归 1.2 1.2 多元线性回归/对数线性回归 1.3 对数几率回归 1.4 线性判别分析 每个案例配有详细的代码和解释，都能测试通过。 机器学习线性回归实验内容 一、实验内容 1.1 一元线性回归 使用Kaggle房价预测数据集： 1.打乱数据顺序，取前70%的数据作为训练集，后30%的数据作为测试集 2.分别以LotArea, BsmtUnfSF, GarageArea三种特征作为模型的输入，SalePrice作为模型的输出 3.在训练集上，使用最小二乘法求解模型参数（需自己实现，不允许第三方库完成） 4.计算三个模型在测试集上的MAE和RMSE这两种指标的大小（需自己实现，不允许第三方库完成） 5.分别绘制模型的在训练集和测试集上的曲线 6.选做：尝试去除训练集中的异常值或离群值后再次训练模型，绘制模型的预测曲线，观察模型在测试集上预测能力的变化 1.2 多元线

主要介绍了Python3搭建http服务器的实现代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

典型相关分析matlab实现代码 流形学习和图形内核 Torsello教授举办的人工智能课程的第三次作业 伯纳迪·里卡多-864018 指数： [目录] 1.问题陈述 阅读本文，提出提高图形内核区分能力的方法。 从中选择一个图形内核 最短路径内核 Graphlet内核 随机游走内核 Weisfeiler-Lehman内核 从中选择一种多样的学习技术 等值线图 扩散图 拉普拉斯特征图 局部线性嵌入 在以下数据集上比较在给定内核上训练的SVM的性能（有或没有流形学习步骤）： 生产者价格指数 震惊 注意：数据集包含在Matlab文件中。 变量G包含一个单元格向量，每个图一个。 每个像元的条目是图的邻接矩阵。 变量标签包含每个图的类标签。 新增我添加了带有图表和lavel邻接矩阵的csv版本的zip文件。 文件graphxxx.csv包含邻接矩阵，每个文件一个，而labels.csv文件包含所有标签。 生产者价格指数 震惊 2.简介 我们将在本文中解释我们在提供的两个数据集（称为PPI和SHOCK）上进行的实验。 PPI数据集处理蛋白质蛋白质相互作用，它由86个代表蛋白质的图组成，我们希望在它

主要介绍了C# Mqtt 断线重连，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

主要介绍了Vue实现左右菜单联动实现代码，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

亲情奉献一份在mpc8247上实现DMA搬运功能的代码，DMA使用的是PCI总线的DMA功能，代码在vxworks系统上实现目前代码里面的DMA只实现了一个block，有需要的同学可以根据需求修改

基于vue的后台管理模板实现代码