数据分析与可视化-实验报告六

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 练习进度 0 / 0

随机练习 自定义设置练习量

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

实验六支持向量机编程题【问题描述】使用支持向量机（SVM）的4种核函数（线性核函数、多项式核函数、高斯径向基核函数和双曲正切核函数），分别对Sklearn自带的红酒数据集进行二分类任务，选取数据集中前两类红酒样本开展分类实验，对比4种核函数的模型预测准确率，分析不同核函数在该数据集上的分类性能差异。【输入形式】无需手动输入数据，程序自动加载Sklearn内置的load_wine()红酒数据集，自主完成数据筛选、训练集与测试集划分、数据标准化及模型训练全流程操作。【输出形式】 1.首先输出处理后数据集的形状信息 2.依次输出4种核函数对应的模型预测准确率，具体格式如下：数据集形状: (130, 13) 选择linear核函数时，模型的预测准确率为1.000000 选择poly核函数时，模型的预测准确率为1.000000 选择rbf核函数时，模型的预测准确率为1.000000 选择sigmoid核函数时，模型的预测准确率为0.974359 【样例输入】无（程序自动加载数据集）【样例输出】数据集形状: (130, 13) 选择linear核函数时，模型的预测准确率为1.000000 选择poly核函数时，模型的预测准确率为1.000000 选择rbf核函数时，模型的预测准确率为1.000000 选择sigmoid核函数时，模型的预测准确率为0.974359 【样例说明】 1.Sklearn红酒数据集包含3类红酒样本，共178条数据，13个特征维度，本题选取前130条样本（两类红酒）构建二分类任务，处理后数据集维度为(130, 13)。 2.程序对数据进行标准化处理，消除不同特征间的数量级差异，保障SVM模型训练的稳定性与准确性。 3.线性核、多项式核、高斯径向基核在该数据集上分类效果相近，双曲正切核函数适配性较弱，准确率明显偏低，可直观体现不同核函数的适用场景差异。

在使用Sklearn实现支持向量机图像识别时，以下步骤正确的顺序是？ ① 加载图像数据并预处理 ② 划分训练集和测试集 ③ 调用SVC模型并设置参数 ④ 训练模型 ⑤ 模型预测与评估

支持向量机（SVM）在图像识别中，针对线性可分数据的核心目标是？

对于线性不可分的数据，支持向量机通常采用的方法是？

支持向量机的回归原理与分类原理的核心区别是？

在Sklearn库中，支持向量机分类模型对应的模块是？

以下哪种核函数可以将低维线性不可分的数据映射到高维空间？

多项式核函数中，参数degree的作用是？

高斯径向基核函数（RBF）中，参数gamma的值越大，模型会？

支持向量机中的松弛系数（惩罚项C）的作用是？

当惩罚项C的值趋近于无穷大时，支持向量机模型会？

1