代写Machine Learning – 机器学习project代写 – assignment代写
代写Machine Learning

代写Machine Learning – 机器学习project代写 – assignment代写

《机器学习

课程设计要求与评分标

 

 

代写Machine Learning 课程设计时间:2020.**.**——2020.**.**课程设计形式:项目实现与报告。截止日期前提交课程设计报告和源代码至北语慕课课程网站课程设计报告必须包含的内容:详细介绍数据分析和预处理过程——数据建模;详细介绍你采用的机器学习模型和算法···

 

代写Machine Learning

  1. 课程设计时间:2020.**.**——2020.**.**
  2. 课程设计形式:项目实现与报告。截止日期前提交课程设计报告和源代码北语慕课课程网站
  3. 课程设计报告必须包含的内容:
    1. 详细介绍数据分析和预处理过程——数据建模;
    2. 详细介绍你采用的机器学习模型和算法,可以创建多个模型;
    3. 详细介绍在指定数据集上获得的评测结果,并进行分析;
    4. 鼓励使用多种模型和方法进行横向对比,以及不同模型参数下的纵向对比。
  4. 评分标准
    1. 不能按时提交报告和测试结果,视为放弃课程选修,0
    2. 可以借助工具包和开源软件,但抄袭和不当行为,视为放弃课程选修,0
    3. 在指定数据集上获得的评测结果,占 60%
    4. 机器学习模型描述,占 30%
    5. 源代码结构和代码量,占 10%
    6. 在指定数据集上测试结果越好,成绩越高!
  5. 指定机器学习任
    1. 任务1:三位数以内加减法表达式计算正确性判定

任务描述:基于机器学习方法(不能使用字符串分析和计算方法),使计算机能够从大量正确或错误的数学表达式中学习经验,能对使用字符串描述的三位数以内加减法表达式计算正确性进行判定。

训练和测试中,算术表达式一定符合语法规范,无错误;一般采用以下格式:[数字串 1]+/-[数字串 2]=/>/<[数字串 3],三个数字串代表的整数不超过三位数,可以没有负数。

例如: 输入 x:”345+2=347″ 输出 y:T

输入 x:”45-2>367″ 输出 y:F

输入 x:”345+3<767″ 输出 y:T

数据集:

参考 learn_to_add.py 中训练数据生成代码,随机生成训练集和测试集。要求生成训练集规模 10 万条,测试集规模 1 万条

提示

  • 参考 py代码;但本任务是二类分类问题。
  • 生成训练集和测试集时尽量均衡的生成正例和负例,同时均衡的生成分别含有‘=’、‘>’、‘<’的表达式样例;
  • 是否可以考虑对于含有‘=’、‘>’或‘<’的表达式分别构建分类模型?和一体化处理模型之间是否有显著的性能差别?
  • 从训练集中要独立切分出部分训练例作为验证集来调整模型的超参数;
  • 模型构造时注意输入字符串序列的最大长度限制;
  • 如果设计的分类器性能不好,是否可以考虑集成学习?(Adaboost);
  • 充分发挥自己的动手能力,提升模型的测试效果~

  1. 任务2:短文本情感分析任务  代写Machine Learning

任务描述:基于机器学习方法实现电影评论文本的情感分类。最终机器能够从大规模标注文本中获得经验,判定某一指定文本的情感极性:正面/负面

数据集:数据集已经切分为训练集和测试集,其中训练集 25000 条,测

试集 25000 条;训练集和测试集中正面(positive)评价和负面(negtive)评价各占一半。

目录结构如下:训练集和测试集分别位于 train 和 test 两个目录,每个目录下均有 pos 和 neg 两个子目录,分别代表正面评价的文本和负面评价的文本;每一个训练样例一个文件,文本命名方式为:id_rating.txt,其中 id 为样例唯一 id,rating 为该文本的情感极性评分,正面评价为 7-10分,负面评价为 0-4 分;

例如:[test/pos/200_8.txt],表示测试集中 id 为 200、评分为 8 的正面评价实例(正例)

提示

  • 本任务为典型的文本分类问题(正面/负面两类分类问题);
  • 可以充分使用目前流行的大规模预训练语言模型如 BERT等;注意分词问题(tokenization);
  • 虽然是两类分类问题,是否可以借鉴训练样例中给出的 rating值来辅助训练过程;
  • 从训练集中要独立切分出部分训练例作为验证集来调整模型的超参数;
  • 模型构造时注意输入字符串序列的最大长度限制;
  • 如果设计的分类器性能不好,是否可以考虑集成学习?(Adaboost);
  • 充分发挥自己的动手能力,提升模型的测试效果~
  1. 任务选择

 本科生同学:任务 1、任务 2 任选其一;研究生同学:任务 2

 

更多代写:计算机代网课 考试助攻 科学报告代写 科研essay代写 term paper代写 数学代考价格

合作平台:天才代写 幽灵代  写手招聘  paper代写

发表回复