12 2024 档案
摘要：实验八：随机森林算法的实现与测试 一、实验目的 深入理解随机森林的算法原理，进而理解集成学习的意义，能够使用 Python 语言实现随机森林算法的训练与测试，并且使用五折交叉验证算法进行模型训练与评估。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1
阅读全文
摘要：实验六：朴素贝叶斯算法实现与测试 一、实验目的 深入理解朴素贝叶斯的算法原理，能够使用 Python 语言实现朴素贝叶斯的训练与测试，并且使用五折交叉验证算法进行模型训练与评估。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1/3 的样本作为测试集（
阅读全文
摘要：实验七：K均值聚类算法实现与测试 一、实验目的 深入理解 K 均值聚类算法的算法原理，进而理解无监督学习的意义，能够使用 Python语言实现 K 均值聚类算法的训练与测试，并且使用五折交叉验证算法进行模型训练与评估。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数据集，使
阅读全文
摘要：实验 25：访问者模式 本次实验属于模仿型实验，通过本次实验学生将掌握以下内容： 1、理解访问者模式的动机，掌握该模式的结构； 2、能够利用访问者模式法解决实际问题。 [实验任务一]：打包员 在我们课堂上的“购物车”的例子中，增加一个新的访问者：打包员，负责对购物车中货物装包。 实验要求： 1. 画
阅读全文
摘要：混凝土期末报告 # 导入必要的库 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 数据科学与机器学习库 from sklearn.model_selectio
阅读全文
摘要：在次C4.5决策树实验中，我学会了如何利用信息增益率进行属性分割，这为实现高效决策树打了一个坚实基础。此外，对于连续型数据的处理，我学会了如何通过分段进行解决。今天实验了C4.5决策树，我充分体会到了信息增益率属性选择的第一重要性。实验过程中，我改善了处理连续型数据的方法，实现了更高效的数据分类。
阅读全文
摘要：实验一：数据准备与模型评估 一、实验目的 熟悉 Python 的基本操作，掌握对数据集的读写实现、对模型性能的评估实现的能力； 加深对训练集、测试集、N 折交叉验证、模型评估标准的理解。 二、实验内容 （1）利用 pandas 库从本地读取 iris 数据集； （2）从 scikit-learn 库
阅读全文
摘要：实验一：数据准备与模型评估 一、实验目的 熟悉 Python 的基本操作，掌握对数据集的读写实现、对模型性能的评估实现的能力； 加深对训练集、测试集、N 折交叉验证、模型评估标准的理解。 二、实验内容 （1）利用 pandas 库从本地读取 iris 数据集； （2）从 scikit-learn 库
阅读全文
摘要：会议室类，会议中心类，管理员类，会议申请类，会议人员类 会议室类： 属性：会议室号，可容纳人数，状态，使用时间方法： 会议中心类： 属性：会议申请 方法：通知开会（），制作代表证（） 管理员类 属性： 方法：修改会议（），调整会议（） 会议召开申请类： 属性：申请人姓名，会议人数，开会时间，会议人员
阅读全文
摘要：本次实验属于模仿型实验，通过本次实验学生将掌握以下内容： 1、理解模板方法模式的动机，掌握该模式的结构； 2、能够利用模板方法模式解决实际问题。 [实验任务一]：数据库连接 对数据库的操作一般包括连接、打开、使用、关闭等步骤，在数据库操作模板类中我们定义了connDB()、openDB()、useD
阅读全文
摘要：本次实验属于模仿型实验，通过本次实验学生将掌握以下内容： 1、理解模板方法模式的动机，掌握该模式的结构； 2、能够利用模板方法模式解决实际问题。 [实验任务一]：数据库连接 对数据库的操作一般包括连接、打开、使用、关闭等步骤，在数据库操作模板类中我们定义了connDB()、openDB()、useD
阅读全文
摘要：本次实验属于模仿型实验，通过本次实验学生将掌握以下内容： 1、理解访问者模式的动机，掌握该模式的结构； 2、能够利用访问者模式法解决实际问题。 [实验任务一]：打包员 在我们课堂上的“购物车”的例子中，增加一个新的访问者：打包员，负责对购物车中货物装包。 实验要求： 1. 画出对应的类图； 2. 提
阅读全文
摘要：本次实验属于模仿型实验，通过本次实验学生将掌握以下内容： 1、理解访问者模式的动机，掌握该模式的结构； 2、能够利用访问者模式法解决实际问题。 [实验任务一]：打包员 在我们课堂上的“购物车”的例子中，增加一个新的访问者：打包员，负责对购物车中货物装包。 实验要求： 1. 画出对应的类图； 2. 提
阅读全文
摘要：一、实验目的 深入理解决策树、预剪枝和后剪枝的算法原理，能够使用 Python 语言实现带有预剪枝 和后剪枝的决策树算法 C4.5 算法的训练与测试，并且使用五折交叉验证算法进行模型训练 与评估。 二、实验内容 （1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1/3
阅读全文
摘要：实验总结 在学习和实验过程中，我也逐渐意识到深度学习框架（如PyTorch）在更复杂的任务中，比如图像处理、自然语言处理等，发挥着重要作用。虽然本次实验侧重于传统机器学习算法，但未来我计划深入学习PyTorch，特别是在以下几个方面： 深度学习模型构建：深度学习框架能够支持更复杂的神经网络结构，如卷
阅读全文
