Лабораторные работы по курсу машинного обучения студентов четвертого курса НИУ ИТМО.
Рекомендуемые языки программирования: Python, Matlab(Octave). По согласованию с преподавателем возможны другие варианты.
Работа с репозиторием ведется по схеме fork & pull
Структура каталогов: <имя.фамилия> - папка с личными наработками. Внутренняя организация оставляется на личное усмотрение.
Блок лабораторных работ по распознаванию раковых клеток cancer.
####1. Линейный перцептрон
Ключевые пункты:
- загрузка данных,
- разделение на обучающую и тестовую выборку,
- обучение классификатора,
- вычисление ошибки обучения на тестовых данных,
- вычисление точноcти и полноты классификации.
####2. Метод опорных векторов (SVM) Реализуйте алгоритм. Регуляризационную константу C выберите при помощи кросс-валидации.
Ключевые пункты:
- обучение классификатора,
- вычисление ошибки обучения на тестовых данных,
- выбор параметра алгоритма при помощи кросс-валидации.
Блок лабораторные работы по распознаванию рукописных цифр архива MNIST.
####1. Метод опорных векторов (SVM) Реализуйте алгоритм. Регуляризационную константу C выберите при помощи кросс-валидации.
Ключевые пункты:
- загрузка данных,
- обучение классификатора,
- вычисление ошибки обучения на тестовых данных,
- выбор параметра алгоритма при помощи кросс-валидации.