- 博客(4)
- 收藏
- 关注
RSS订阅原创 实验一：LeNet结构对于MNIST手写数字体识别
使用MNIST手写数字体数据集进行训练和预测，实现测试集准确率达到98%及以上。本实验的目的：掌握卷积神经网络基本原理，以LeNet为例掌握主流框架的基本用法以及构建卷积神经网络的基本操作了解如何使用GPU。
2024-12-17 11:34:56
1956
原创 基于KNN的手写数字识别
可以看出，knn中k = 1时的准确率是： 85.56%，sklearn中k = 1时的准确率是： 85.56%，准确率持平 knn中k = 3时的准确率是： 83.89%，sklearn中k = 3时的准确率是： 84.10%，准确率略低 knn中k = 5时的准确率是： 83.26%，sklearn中k = 5时的准确率是： 83.89%，准确率略低。print("knn中k = 1时的准确率是：",simrate(result1,test_y))knn的结果准确率略低于sklearn中结果准确率。
2024-12-16 22:22:48
1727
原创 层次聚类实验
聚类就是对⼤量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较⼤⽽类别间的数据相似度较⼩。基本要求：绘制聚类前后样本分布情况(1) 实现 single-linkage 层次聚类算法；(2) 实现 complete-linkage 层次聚类算法。中级要求：实现 average-linkage 层次聚类算法，绘制样本分布图。提⾼要求：对⽐上述三种算法，给出结论。首先设置了随机数生成器的种子为42，确保每次运行代码时生成的随机数序列都是相同的，从而使结果具有可重复性。
2024-12-16 22:13:43
795
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人