微波技术

作业一（Matlab） 假设x=(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20),y=( 2.94, 4.53, 5.96, 7.88, 9.02, 10.94, 12.14, 13.96, 14.74, 16.68, 17.79, 19.67, 21.20, 22.07, 23.75, 25.22, 27.17, 28.84, 29.84, 31.78).请写出拟合的直线方程，并画图(包括原数据点及拟合的直线)，请打印出来。 请使用线性回归模型来拟合bodyfat数据。数据集介绍可阅读：https://www.mathworks.com/help/nnet/examples/body-fat-estimation.html 在matlab中，在命令行中输入[X,Y] = bodyfat_dataset; 即可获得一个拥有13个属性，252个样本的数据集。使用前200个样本来获得模型，并写出你所获得的模型。使用后52个样本做测试，汇报你所获得的泛化误差。 编程实现对数回归，并给出教材89页上的西瓜数据集3.0上的结果。要求采用4折交叉验证法来评估结果。因为此处一共17个样本，你可以去掉最后一个样本，也可以用所有数据，然后测试用5个样本。在汇报结果时，请说明你的选择。请在二维图上画出你的结果（用两种不同颜色或者形状来标注类别），同时打印出完整的代码。 作业二 采用信息增益准则，基于表4.2中编号为1、2、3、6、7、9、10、14、15、16、17的11个样本的色泽、根蒂、敲声、文理属性构建决策树。（本次作业可以用笔算，鼓励编程实现，但都需要列出主要步骤，其中log2(3)=1.585,log2(5)=2.322,log2(6)=2.585,log2(7)=2.807,log2(9)=3.17,log2(10)=3.322,log2(11)=3.459） 用表4.2中编号为4、5、8、11、12、13的样本做测试集，对上题的训练数据采用预剪枝策略构建决策树，并汇报验证集精度。 用表4.2中编号为4、5、8、11、12、13的样本做测试集，对题1所构建的决策树进行后剪枝，并汇报验证集精度。 作业三（Matlab） 试编程实现累积BP算法，在西瓜数据集2.0上(用训练数据)训练一个单隐层网络，用验证集计算出均方误差。要自己实现，不能直接调用现成的库函数。 作业四 下载并安装libsvm，http://www.csie.ntu.edu.tw/~cjlin/libsvm/ ，在西瓜数据集3.0a上分别用线性核训练一个SVM。用正类1-6和负类9-14作为训练集，其余作为测试集。C取不同的值，其它参数设为默认值。作出测试正确率随C取值变化的图，C=[1 100 10000 10^6 10^8]。 换成高斯核(宽度设为1)，重复上题的步骤。 作业五 以西瓜数据集2.0（见教材76页表4.1）中样本1--16为训练集训练一个朴素贝叶斯分类器，对测试样本17进行分类。请写出详细的计算过程。 假设x_k是一个班上学生的分数，对应的分数及其分布是 x_1=30, P1=0.5，一共有14个学生; x_2=18, P2=mu，有6个学生; x_3=20, P3=2mu，有9个学生; x_4=23, P4=0.5-3mu，有10个学生; 通过最大对数似然法求出mu的值。 作业六（Python） 1 使用PCA对Yale人脸数据集进行降维，并分别观察前20、前100个特征向量所对应的图像。请随机选取3张照片来对比效果。数据集http://vision.ucsd.edu/content/yale-face-database

电子科技大学820计算机考研真题1999-2020年大汇总

电子科技大学机器学习大作业.zip

本资源为电子科技大学研究生课程，资源是pdf版本的，总共15章，内容比较齐全，需要者可以自行下载！

电子科技大学数据挖掘与大数据分析课程期末复习资料与笔记免费分享~

电子科技大学总复习课件

基础要求： 1.读取陀螺仪、速度传感器、温度传感器的原生数据，每当按键按下时在OLED上更新显示。 2.使用MPU6050自带的DMP获得四元数后进行姿态解算，得到当前传感器的俯仰角、横滚角以及航向角。 拓展要求： 能够将采集到的数据通过串口上传至PC，结合上述参数能够在一定时间范围内通过MATLAB等工具还原MPU6050传感器的运动轨迹。 为电子科技大学微处理器最小系统课程实验第三个，内部已经具有完整原理、框图、代码、图片、心得体会等，内容格式完全符合要求。

西安电子科技大学的计算方法上机作业的参考代码，包括例题讲解、思路分析、源代码分析、运行截图，思路分析，分析与总结

电子科技大学随机过程复习笔记（手写整理、清晰）