【Python】第16周 数据挖掘与机器学习进阶(上)

csdn特训营 2023-01-13 13:31:33

课程名称适应人群
【Python】第16周 数据挖掘与机器学习进阶(上)所有人

本周课程讲机器学习的概念,了解什么是机器学习以及机器学习的主要任务,kNN算法、线性回归算法的原理与实现,如何拆分训练数据集与测试数据集,算法中的超参数以及特征归一化等内容。实战部份,将讲解手写字体识别和房价预测。

...全文
794 4 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
大咖i 2019-04-19
  • 打赏
  • 举报
回复
总体听详细 但是实战内容太单一
福根儿 2019-02-19
  • 打赏
  • 举报
回复
棒棒棒棒,老师讲的特别详细!!
阿基米东 2018-11-22
  • 打赏
  • 举报
回复
温馨提示:前方高能!前方高能!前方高能!
weixin_40963920 2018-09-12
  • 打赏
  • 举报
回复
sort全部会不会太慢
交通拥堵预测-基于python实现道路一段时间内的车辆流量预测+项目说明 【项目介绍】 该资源内项目代码都是经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也适合小白学习进阶, 或者实际项目借鉴参考! 当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。如果基础还行,也可在此代码基础上进行修改,以实现其他功能。 题目:交通拥堵预测 *背景* > 交通拥挤是交通运输中最严重的的问题之一。尽可能早地预测道路拥堵程度是有价值的,这样司机和行人就可以通过预测来规避拥堵。 *数据描述* > The GCM (Gary-Chicago-Milwaukie) Corridor包含16座城镇之间的所有主干道。在所有路口共放置855个传感器,来收集一天中的交通数据流,其格式为每5分钟记录一个拥堵状态,一天有288条数据。每个传感器都实时收集交通状态,并通过无线通讯将路口位置和拥堵信息传输到中央服务器。每一条流数据包含下列属性(date, time, direction, type, linkID, length, travelTime, volumn, speed, occupancy, and congestionLevel)。拥堵状态共有四种,non, light, medium, and heavy(通畅、轻微拥堵、中度拥堵、重度拥堵)。以下是一条数据流的样例: > > > **707,0000,NORTH_BOUND,FREEWAY,WI-MNT_XML_V001-21012,1268,40,218,31.292915,2.4,NON_CONGESTION** *问题描述* ​ 我们下载了5天的交通数据,其中4天数据给大家作为模型训练。请基于训练集建立模型来预测未来的交通拥堵状态。 ​ 对数据进行预处理操作是必要的。可以使用各种数据挖掘算法和机器学习方法建立预测模型。 *评估* **提交模型预测** 将第5天的数据作为测试集进行模型评估。助教将提供几个时间区段内所有传感器收集的实际的交通拥堵状态。请预测接下来30分钟内所有传感器的拥堵状态。 请提交实验报告来阐述你的实验方案、方法和性能分析。 为了便于测试,拥堵预测的输出格式如下: WI-MNT_XML_V001-21012(传感器ID):0,1,2,3,3,2(0 表示通畅,1表示轻微拥堵、2表示中度拥堵、3表示重度拥堵,连续6个数字代表30分钟内的拥堵状态) 训练集、测试集网盘地址

78

社区成员

发帖
与我相关
我的任务
社区管理员
  • csdn特训营
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧