机器学习课程 2014,ITMO,CT
一、KNN的实现
用其中一种编程语言实现 KNN。 如有必要,对数据集中的数据进行归一化,并通过某种方式(例如,交叉验证)为 KNN 选择 k 参数。 在测试样本和训练样本上计算分类器的 F 度量。
2.识别垃圾邮件
您需要训练贝叶斯分类器来识别垃圾邮件。 样本已经分为 10 个部分。 每个文件代表一条消息。 如果文件名包含 spmsg,则这是垃圾邮件,否则 (合法) 是正常消息。
3. 使用 SVM 拆分数据集
使用 SVM 划分数据集(有一些噪音,但通常它是线性可分的)。 作为答案,在y = kx + b 形式的分界线上打印近似系数k 和b。 此外,作为任务的第二部分,您需要在 KNN 任务中使用的同一数据集上应用 SVM。 但是对于此任务,您将不得不使用内核。
4. 线性回归的构建
构建线性回归。 该数据集的每个对象都由三个数字组成:公寓的居住
2021-07-12 10:03:05
6.8MB
Java
1