有哪些好的机器学习编程练习？ [关闭]答案

【问题标题】：What are some good machine learning programming exercises? [closed]有哪些好的机器学习编程练习？ [关闭]
【发布时间】：2011-05-11 17:48:52
【问题描述】：

理想情况下，它们应具有以下特征：

只需一个晚上的编码即可完成。不需要一周或更长时间即可获得有趣的结果。这样一来，我就可以感觉自己在一次（可能长达数小时）的坐姿中学到并完成了一些事情。
问题来自现实世界，或者至少是现实世界问题的玩具版本。
如果问题需要数据来测试解决方案，有现成的真实世界数据集，或者自己生成有趣的测试数据是微不足道的。
很容易评估我所做的工作有多好。当我测试我的解决方案时，从结果中可以清楚地看出我已经完成了一些不平凡的事情，无论是通过简单的检查，还是通过对结果质量的可量化测量。

【问题讨论】：

【解决方案1】：

实现以下算法：

感知器，边缘感知器：您可以尝试使用任何人脸数据库检测人脸图像（对人脸图像和非人脸图像进行分类）。例如尝试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：可以尝试压缩图像。您可以从任何壁纸网站下载大图。
朴素贝叶斯分类器：您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和Newsgroups等，给定文章你要确定主题。
反向传播、多层感知器：您可以尝试使用面部、垃圾邮件或with the text/histogram data。
使用 SGD 进行原始 SVM 线性学习：例如，您可以尝试使用 MNIST 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东西。

【讨论】：

【解决方案2】：

查看UCI machine learning repository 以获取真实数据集。

例如Breast Cancer Wisconsin (Diagnostic) Data Set 。查看数据集描述以获取更多信息。

即使是朴素贝叶斯分类器也会在这个数据集上给出很好的结果（超过 95% 的交叉验证准确率）。如果我没记错的话，通过一些变量选择，你甚至可以达到 100%。

【讨论】：

【解决方案3】：

大多数机器学习项目可能需要一些时间。

Bayesian 文本分类怎么样？

NLTK Toolkit（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。

编写一个可以对电影评论进行分类的贝叶斯分类器，使用此数据进行训练。

【讨论】：