machine-learning-course-2014:机器学习课程 ITMO, CT

机器学习课程 2014，ITMO，CT 一、KNN的实现 用其中一种编程语言实现 KNN。 如有必要，对数据集中的数据进行归一化，并通过某种方式（例如，交叉验证）为 KNN 选择 k 参数。 在测试样本和训练样本上计算分类器的 F 度量。 2.识别垃圾邮件 您需要训练贝叶斯分类器来识别垃圾邮件。 样本已经分为 10 个部分。 每个文件代表一条消息。 如果文件名包含 spmsg，则这是垃圾邮件，否则 (合法) 是正常消息。 3. 使用 SVM 拆分数据集 使用 SVM 划分数据集（有一些噪音，但通常它是线性可分的）。 作为答案，在y = kx + b 形式的分界线上打印近似系数k 和b。 此外，作为任务的第二部分，您需要在 KNN 任务中使用的同一数据集上应用 SVM。 但是对于此任务，您将不得不使用内核。 4. 线性回归的构建 构建线性回归。 该数据集的每个对象都由三个数字组成：公寓的居住