什么是好的机器学习编程练习?[关闭]

实现以下算法:

• 感知器,边缘感知器:你可以尝试用任何人脸数据库来检测人脸图像(对人脸和非人脸的图像进行分类)。例如 MIT CBCL face database . 你也可以试试 MNIST data 写一个穷人的OCR系统。
• LVQ,Kohonen地图:你可以尝试压缩图像。你可以从任何墙纸网站下载大图片。
• 朴素贝叶斯分类器:你可以分类垃圾邮件而不是垃圾邮件。还有更多的科学数据集,比如 Reuters 以及新闻组等,你必须根据文章来确定主题。
• 反向传播,多层感知器:你可以用人脸或者垃圾邮件来尝试,或者 with the text/histogram data .
• 使用SGD的原始支持向量机线性学习:您可以尝试使用 MNIST 例如,数字。

有很多项目,有些需要几个小时,有些需要几天,但你肯定会学到很多。

检查 UCI machine learning repository 为了真实的数据集。

这个 Breast Cancer Wisconsin (Diagnostic) Data Set 例如。 有关详细信息,请检查数据集说明。

即使是朴素的贝叶斯分类器也能在这个数据集上得到很好的结果(超过95%的交叉验证精度)。如果我没记错的话,通过一些变量选择,你甚至可以达到100%。

大多数机器学习项目可能需要一些时间。

贝叶斯怎么样 文本分类?

NLTK工具包(Python的自然语言工具包)中的一个示例是电影评论。该工具包提供了标记为正面或负面的电影评论。

写一个 贝叶斯分类器 利用这些数据进行培训,可以对电影评论进行分类。