深度学习与大模型 习题及答案 第1章-习题答案_第1页
深度学习与大模型 习题及答案 第1章-习题答案_第2页
深度学习与大模型 习题及答案 第1章-习题答案_第3页
深度学习与大模型 习题及答案 第1章-习题答案_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

《机器学习与人工智能基础》习题答案第1章一、问答题1.人工智能是研究使计算机具有人类智能的科学，而机器学习是人工智能的重要分支和核心技术。机器学习通过从数据中自动学习规律，使计算机具备自我改进能力，从而实现智能化。它为语音识别、图像识别、自然语言处理等人工智能应用提供了关键支撑，推动了人工智能的快速发展。2.监督学习是在有输入和输出标签的数据下训练模型，目的是建立输入与输出之间的映射关系，如语音助手、股票价格等。无监督学习是在没有标签的数据上进行训练，用于发现数据的内在结构或分布规律，如客户分群、商品推荐、文本聚类等。两者的主要区别在于是否存在输出标签。3.数据预处理可以提高模型训练的准确性和效率，减少噪声与异常值的影响。列举几个常见方法：（1）缺失值处理：用均值或中位数填充缺失数据。（2）数据标准化或归一化：消除不同特征的量纲差异。（3）异常值处理：去除或修正不合理数据。这些方法有助于提升模型的稳定性与性能。二、实践题#######代码####################导入必要的库importnumpyasnpimportpandasaspdfromsklearn.linear_modelimportLinearRegressionimportmatplotlib.pyplotasplt#构造数据集data={"面积":[50,60,80,100,120,150,180,200,250,300],"卧室数":[1,1,1,2,2,3,3,3,4,4],"价格":[150,180,240,300,350,400,450,500,600,700]}df=pd.DataFrame(data)#特征变量（X）和目标变量（y）X=df[["面积","卧室数"]]y=df["价格"]#建立并训练线性回归模型model=LinearRegression()model.fit(X,y)#输出模型参数print("截距β0:",ercept_)print("回归系数β:",model.coef_)#预测y_pred=model.predict(X)#可视化对比plt.scatter(y,y_pred)plt.xlabel("真实价格（万元）")plt.ylabel("预测价格（万元）")plt.title("多元线性回归预测效果")plt.show()#示例预测test=np.array([[150,3]])#150m²，3卧室predicted_price=model.predict(test)print(f"预测房价（150m²，3卧室）≈{predicted_price[0]:.2f}万元")#######运行效果###################截距β0:59.61371961

人人文库> 全部分类> 教育资料 > 考试试卷

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论