我通过一个实验应用了单层感知机。我使用PyTorch构建模型，在鸢尾花数据集上进行二分类任务。首先，在区分“Setosa”与“Non-Setosa”时，模型在测试集上达到了100%的准确率，证明了这两类数据...

本实验运用线性回归、岭回归和Lasso回归模型，基于包含442个样本的糖尿病数据集探究正则化方法对模型拟合的影响。通过引入正态分布噪声模拟实际数据特性，使用Z-score标准化后划分训练集/测试集...

我进行了一次多层感知机（MLP）的应用实验。我使用PyTorch构建了一个含隐藏层、ReLU激活和Dropout的MLP模型，在Fashion-MNIST数据集上进行服装图像分类。通过在GPU上训练，我探索了不同训练轮数...

我使用支持向量机(SVM)算法在两类数据集上进行分类实验，对比了线性核、多项式核和RBF核的表现。实验结果表明，在线性可分数据集上三种核函数都能达到100%准确率，但在非线性可分数据集上RBF核...

我进行了一项卷积神经网络（CNN）应用实验。我首先准备了自定义的农作物病害数据集，并将其与CIFAR-10一同用于评估LeNet、AlexNet、VGG、ResNet四种经典CNN模型。通过对比实验，我分析了各模型...