第一次作业：感知机算法实现
要求：手写感知机算法，并在sklearn中的breast_cancer数据集上进行测试。
实现最简易的感知机算法 $y=\text{sign}(\vec{w}\cdot \vec{x} + b)$，损失函数使用误分类点到分类超平面的总距离，使用随机梯度下降方法对模型进行优化。
第二次作业：K近邻算法实现
要求：手写K近邻算法，并在sklearn中的breast_cancer数据集上进行测试。
实现最简易的K近邻算法（不要求实现KD树），K的值自由选择。
参考代码见文件夹knn（助教自己写的，若有疑问欢迎提出issue）
第三次作业：朴素贝叶斯算法实现
要求：手写朴素贝叶斯算法。
实现最简易的朴素贝叶斯算法。
参考代码见文件夹naivebayes（助教自己写的，若有疑问欢迎提出issue）
2021-06-05 19:02:46
8KB
1.试使用核技巧推广对率回归，产生“核对率回归”
2.有如下室内场景 利用Zigbee，BLE和WIFI无线技术，在三个小黑点处置锚节点，记为A,B,C，坐标位置确定已知。通过测量小红点处的RSSI（接收信号强度），标定各小红点位置。建立位置字典。小红点总数49个。
使用支持向量回归。以“RSSI”为输入，“位置”为输出，在三种无线技术场景下，训练一个SVR，给出实现代码（Matlab或Python）及结果评价
2021-05-22 17:02:48
2.99MB
1