整理competition提供的数据集，例如：特征过滤，数据归一化。
2. 在linear regression、logistic regression、neuron network或competition提供的算法中，挑出两个算法（必须选择一个实验课上使用的算法做实验，另外一个可以选择其他算法），在Titanic数据集上做十字交叉验证。
3.把每个数据集随机分为两份，一份做训练，另外一份做测试。使用两个算法在划分后的数据上做测试，并记录准确率。这个过程做5次，每次选择不同的训练样本比例（例如：训练样本占总样本的比例为10%， 20%， 30%， 40%， 50%， 初始比例和每次增加的比例，可以自己决定）。
4. 在报告中对数据集以及两个算法做简单描述；在Experimental Results部分介绍实验步骤，并展示实验结果。在Discussion and Conclusion部分对得到的实验结果对比分析。
2022-07-10 19:43:10
150KB
1
其实无论多么复杂的问题，都是万变不离其宗，在深度学习方面更是这样，就是模拟人类的神经网络，通过多层的处理和优化，进一步达到与真实值相近的程度。
步骤：
1、数据预处理
2、建立模型
3、开始训练
4、评估模型准确率
2022-06-12 10:43:12
4KB
1