您当前的位置:首页 > 主页 > 实验内容 > 机器学习实验
机器学习实验

谷歌公司的围棋程序AlphaGo与韩国棋手李世石之间的“人机大战”让人工智能的重要领域-机器学习异军突起,进入普通大众的视野。机器学习实验主要实现经典的机器学习方法。线性回归是指广义的线性函数,不仅会考虑使得曲线与给定点集的拟合程度最好,还会考虑模型最简单;神经网络模拟人的思维,是一个非线性动力学系统,其特色在于信息的分布式存储和并行协同处理,虽然单个神经元的结构极其简单,功能有限,但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的;决策树是一个预测模型,代表对象属性与对象值之间的一种映射关系;  k均值和FCM算法是聚类算法,都试图找到数据中自然聚类的中心,目标是使各个群组内部的均方误差总和最小;PCA是无监督的降维算法,计算出X变化最大的前N个方向并将X向这些方向投影,得到一个N维的向量Y,LDA是有监督的算法,根据类别标记找到最大化类间差异,最小化类内差异的方向;稀疏表示是在一个足够大的训练样本空间,对于一个类别的目标,可以近似的由训练样本中同类的样本子空间线性表示,当该目标由整个样本空间表示时,其表示的系数是稀疏的;概率图模型结合概率论与图论的知识,利用图来表示与模型有关的变量的联合概率分布,它已成为不确定性推理的研究热点,在人工智能、机器学习和计算机视觉等领域有广阔的应用前景。机器学习实验基本情况如表3所示。

表3. 机器学习实验基本情况
序号 实验内容 学时 实验平台 考核方式
1 线性回归实验 4 大数据智能感知与计算平台 实验效果和提问70%,实验报告30%
2 决策树实验 4
3 神经网络实验 4
4 聚类(k均值,FCM)实验 4
5 降维与度量学习实验 4
6 特征选择与稀疏表示实验 4
7 概率图模型实验 4
 

Copyright © 2016-2017

电院网络中心设计维护