weixin_43915303的博客

人工智能实验代码整理文章目录人工智能实验代码整理状态空间表示——猴子摘香蕉极大极小剪枝——五子棋状态空间表示——猴子摘香蕉# -*- coding: utf-8 -*-# State类，记录当前状态class State: def __init__(self, monkey=-1, box=0,banana=1, monbox=-1): self.monkey = monkey # -1:Monkey at A 0: Monkey at B 1:Monkey at

介绍（Introduction）¶在本次实验中，将实现主成分分析方法，并使用它获得人脸图像的低维表示。本次实验需要用到的数据集包括：ex4data1.mat -2D 仿真数据集ex4data2.mat -LFW人脸数据集评分标准如下：要点1：实现PCA算法-----------------（20分）要点2：降维仿真数据-----------------（20分）要点3：重构仿真数据-----------------（20分）要点4：降维人脸数据-----------------（20分）

实验3：K均值聚类介绍在本实验中，将实现K均值聚类算法(K-means)并了解其在数据聚类上的工作原理及图像压缩上的应用。本次实验需要用到的数据集包括：ex3data1.mat -2D 数据集hzau.jpeg -用于测试k均值聚类算法图像压缩性能的图像评分标准如下：要点1：寻找最近类中心点-----------------（20分）要点2：计算均值类中心--------------------（20分）要点3：随机初始化类中心-----------------（10分）要点4：

实验2：支持向量机介绍在本实验中，将使用支持向量机(Support Vector Machine, SVM)并了解其在数据上的工作原理。本次实验需要用到的数据集包括：ex2data1.mat -线性SVM分类数据集ex2data2.mat -高斯核SVM分类数据集ex2data3.mat -交叉验证高斯核SVM分类数据集评分标准如下：要点1：使用线性SVM-----------------（20分）要点2：定义高斯核---------------------（20分）要点3：使用

实验1：线性回归及岭回归介绍在本实验中，你将实现线性回归及岭回归并了解其在数据上的工作原理。本次实验需要用到的数据集包括：ex1data1.txt -单变量的线性回归数据集ex1data2.txt -多变量的线性回归数据集评分标准如下：要点1：计算损失-------------------------------（20分）要点2：单变量线性回归梯度下降----------（20分）要点3：数据标准化----------------------------（20分）要点4：多变量线

数据集描述对鸢尾花数据集训练决策树。鸢尾花数据集简介：iris是鸢尾植物，这里存储了其萼片和花瓣的长宽，共4个属性，鸢尾植物分三类。所以该数据集一共包含4个特征变量，1个类别变量。共有150个样本，鸢尾有三个亚属，分别是山鸢尾 (Iris-setosa)，变色鸢尾(Iris-versicolor)和维吉尼亚鸢尾(Iris-virginica)。也就是说我们的数据集里每个样本含有四个属性，并且我们的任务是个三分类问题。三个类别分别为：Iris Setosa（山鸢尾），Iris Versicolour（杂色

数据集描述根据美国疾病控制预防中心的数据，现在美国1/7的成年人患有糖尿病。但是到2050年，这个比例将会快速增长至高达1/3。在UCL机器学习数据库里一个糖尿病数据集，通过这一数据集，学习如何利用线性回归分析来预测糖尿病：数据地址：https://github.com/susanli2016/Machine-Learning-with-Python/blob/master/diabetes.csv数据特征属性：index([‘Pregnancies’, ‘Glucose’, ‘BloodPres