1：使用线性模型实现餐厅利润和房屋价格预测

要求：

1. 可视化数据集的样本分布结果

2. 可视化线性回归拟合结果

3. 预测在面积大小为3.1415的城市开一家餐厅的预计利润，以及面积为2000卧室数量为1的房屋的成交价格

4. 完成实验报告

数据集：

ex1data1.txt
ex1data2.txt

sklearn线性回归实现房价预测模型

WORD版https://download.csdn.net/download/qq_43620967/33477669

2：利用贝叶斯分类器实现基于身高的性别分类

模式识别-贝叶斯分类器-知识总结与作业（python版）
朴素贝叶斯分类器原理解析与python实现

所有资料：
https://download.csdn.net/download/qq_43620967/34884544

3：基于ANN的MNIST图像分类

https://download.csdn.net/download/qq_43620967/38401770

4：基于 SVM 的垃圾邮件分类

https://download.csdn.net/download/qq_43620967/39624637

机器学习作业—支持向量机SVM（二）垃圾邮件分类

机器学习算法（一）SVM

使用SVM预测模型的通用步骤

1. 选择使用的SVM类
2. 用数据训练模型
3. 检查验证误差并作为基准线
4. 为SVM参数尝试不同的值
5. 检查验证误差是否改进
6. 再次使用最优参数的数据来训练模型

import numpy as np
from sklearn.model_selection import GridSearchCV
parameters={'kernel':['linear','rbf','sigmoid','poly'],'C':np.linspace(0.1,20,50),'gamma':np.linspace(0.1,20,20)}
svc = svm.SVC()
model = GridSearchCV(svc,parameters,cv=5,scoring='accuracy')
model.fit(X_train,y_train)
model.best_params_
model.score(X_test,y_test)

5：基于CNN的FashionMNIST图像分类

pytorch进行fashion mnist数据集分类