机器学习结课项目-20201

【机器学习结课项目-20201】是一个涵盖了多个机器学习应用场景的课程作业，主要涉及了文本情感分析、异常检测以及人脸识别这三个任务。在这个项目中，学生可以选择其中一个题目来完成。 我们来看看第一个任务——疫情期间网民情绪识别。这个任务基于MINIST数据集，但这里将朴素贝叶斯分类器应用于声音性别识别。然而，根据提供的信息，实际的项目内容是分析微博情绪。数据集包含了2020年1月1日至2月20日的230个主题关键词相关的微博数据，总共45000条，已经人工标注为积极（1）、中性（0）和消极（-1）三种情感。学生的任务是设计算法对test.csv文件中的4500条微博内容进行情感识别，并以UTF-8编码的csv文件形式输出结果。评估模型性能的标准包括精确率（Precision）、召回率（Recall）和F1分数，可以使用KNN、朴素贝叶斯、逻辑回归、SVM等算法，或者自选深度学习模型，并对比至少两种算法的效果。 第二个任务是传感器异常数据检测和预警。数据来源于一座数字化电厂的生产过程，任务是利用机器学习方法检测异常数据并进行预警。学生需要自行选择模型，模型性能可以通过预测损失来衡量，这通常涉及到模型的参数调优和阈值设定。 最后一个任务是人脸识别。项目要求学生设计一个包含人脸检测、特征提取和匹配的人脸识别系统，使用K-NN算法，并可调整人脸库大小、距离函数或核函数。熟悉C++的学生可以使用SeetaFace2，Python用户则可以选择retinaface和LightCNN等开源框架。评估标准是分类正确率。 这个项目的目的是让学生能够将课堂上学到的机器学习理论知识应用于实际问题，掌握不同算法的使用，理解模型评估指标，以及探索参数调优和异常检测等技术。通过这三个任务，学生不仅能够提升机器学习技能，还能增强解决实际问题的能力。