# 支持向量机(SVM)
## 问题描述：
本次作业分为三个部分：
1. 使用基于某种核函数（线性，多项式或高斯核函数）的SVM 解决非线性可分的二分类问题，数
据集为train_kernel.txt 及test_kernel.txt。
2. 分别使用线性分类器（squared error）、logistic 回归（cross entropy error）以及SVM（hinge error) 解
决线性二分类问题，并比较三种模型的效果。数据集为train_linear.txt 及test_linear.txt。
三种误差函数定义如下（Bishop P327）：
其中, 为类别标签。
3. 使用多分类SVM 解决三分类问题。数据集为train_multi.txt 及test_multi.txt。（5%）
## 数据集:
MNIST数据集包括60000张训练图片和10000张测试图片。图片样本的数量已经足够训练一个很复杂的模型（例如 CNN的深层神经网络）。它经常被用来作为一个新 的模式识别模型的测试用例。而且它也是一个方便学生和研究者们执行用例的数据集。除此之外，MNIST数据集是一个相对较小的数据集，可以在你的笔记本CPUs上面直接执行
## 题目要求：
- [ ] 请使用代码模板rbm.py，补全缺失部分，尽量不改动主体部分。
- [ ] 推荐使用python 及numpy 编写主要逻辑代码，适度使用框架。
神经网络与深度学习课程练习代码，含线性回归模型、前馈神经网络、卷积神经网络、循环神经网络、注意力机制、高斯混合模型、深度强化学习
版权申诉
38 浏览量
2024-03-06
17:05:53
上传
评论
收藏 14.15MB ZIP 举报
deeplearning-master.zip （60个子文件） 
deeplearning-master chap14_reinforcement_learning 
__init__.py 13KB reversi_main.py 2KB RL_QG_agent.py 954B reversi __init__.py 48B reversi.py 13KB __pycache__ __init__.cpython-35.pyc 219B reversi.cpython-35.pyc 9KB README.md 1KB
期末作业说明.pdf 300KB chap3_SVM svm.py 2KB data 
test_linear.txt 3KB test_kernel.txt 3KB train_linear.txt 3KB test_multi.txt 4KB train_kernel.txt 3KB train_multi.txt 4KB README.md 2KB chap12_RBM rbm.py 884B README.md 1KB chap2_linear_regression exercise-linear_regression.ipynb 6KB linear_regression-tf2.0.ipynb 25KB test.txt 3KB README.md 1KB train.txt 5KB chap3_softmax_regression logistic_regression-exercise.ipynb 125KB softmax_regression-exercise.ipynb 52KB README.md 424B chap5_CNN 
corgi.jpg 95KB CNN_tensorflow.ipynb 4KB tutorial_cifar10_conv-keras.ipynb 1.68MB tutorial_random_filter.ipynb 305KB CNN_pytorch.ipynb 5KB tutorial_mnist_conv-basic.ipynb 6KB tutorial_mnist_conv-keras-sequential.ipynb 5KB README.md 915B tutorial_mnist_conv-keras.ipynb 5KB chap6_RNN 题目要求 857B Learn2Carry-exercise.ipynb 12KB tangshi.txt 47KB tangshi_for_pytorch tangshi.txt 47KB main.py 8KB poems.txt 9.71MB rnn.py 3KB poems.txt 9.71MB poem_generation_with_RNN-exercise.ipynb 12KB README.md 716B chap4_ simple neural network tutorial_minst_fnn-tf2.0-exercise.ipynb 7KB tf2.0-tutorial.pdf 2.59MB tutorial_minst_fnn-numpy-exercise.ipynb 17KB tf2.0-exercise.ipynb 4KB README.md 2KB chap7-seq2seq-and-attention sequence_reversal_with_attention-exercise.ipynb 11KB sequence_reversal-exercise.ipynb 10KB
seq2seq.png 15KB seq2seq-attn.jpg 46KB chap1_warmup numpy_ tutorial.ipynb 10KB README.md 140B .gitignore 27B README.md 1KB chap11_gaussian_mixture README.md 343B资源评论
