西南交通大学 机器学习实验8 集成学习（1）掌握集成学习思想，掌握boosting和bagging策略;（2）基于Adaboost实现多分类任务；（3）参考随机森林，以决策树为基学习器，构建bagging集成器用于多分类任务。

西南交通大学 机器学习实验10 MeanShift聚类（1）了解Meanshift聚类思想；（2）编程实现Meanshift聚类算法；（3）基于鸢尾花数据集，使用聚类纯度、兰德系数和F1值评测聚类效果。

西南交通大学 机器学习实验1 分类与回归模型评估（1） 给定二分类数据集，包含了真实标签和多个算法的预测结果，编程实现混淆矩阵评测，根据指标评价算法的分类性能。（2）给定回归任务数据集，包含真实标签和多个算法的预测结果，编程实现RMSE、MAE、MAPE三种评测，根据指标评价算法的预测性能。（1）混淆矩阵评测\qquad混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，也是除了ROC曲线和AUC

西南交通大学 机器学习实验3 K均值聚类（1）了解无监督任务范式概念，掌握聚类思想。（2）掌握K-means算法，编程实现K-means。（3）基于鸢尾花数据集，使用聚类纯度、兰德系数和F1值评测聚类效果。

西南交通大学 机器学习实验7 支持向量机SVM（1）掌握间隔、支持向量、对偶、核函数等概念及计算方法。（2）基于多分类数据集，使用pandas+sklearn实现多分类预测。（3）通过精确率、召回率和F1值度量模型性能。（4）对比线性核和高斯核对分类性能的影响。

西南交通大学 机器学习实验1 分类与回归模型评估（1） 给定二分类数据集，包含了真实标签和多个算法的预测结果，编程实现混淆矩阵评测，根据指标评价算法的分类性能。（2）给定回归任务数据集，包含真实标签和多个算法的预测结果，编程实现RMSE、MAE、MAPE三种评测，根据指标评价算法的预测性能。（1）混淆矩阵评测\qquad混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，也是除了ROC曲线和AUC

西南交通大学 机器学习实验6 决策树（1）了解pandas和sklearn数据科学库功能；（2）学习在conda或pip环境下安装库；（3）掌握决策树原理，包括划分选择中三种经典指标信息增益、增益率和基尼指数的优缺点，剪枝处理方法及作用、连续值与缺失值处理等；（4）基于多分类数据集，使用pandas和sklearn库处理数据以及选择决策树模型，通过精确率、召回率和F1值度量模型性能，对比不同剪枝策

西南交通大学 机器学习实验3 K均值聚类（1）了解无监督任务范式概念，掌握聚类思想。（2）掌握K-means算法，编程实现K-means。（3）基于鸢尾花数据集，使用聚类纯度、兰德系数和F1值评测聚类效果。

西南交通大学 机器学习实验8 集成学习（1）掌握集成学习思想，掌握boosting和bagging策略;（2）基于Adaboost实现多分类任务；（3）参考随机森林，以决策树为基学习器，构建bagging集成器用于多分类任务。

西南交通大学 机器学习实验10 MeanShift聚类（1）了解Meanshift聚类思想；（2）编程实现Meanshift聚类算法；（3）基于鸢尾花数据集，使用聚类纯度、兰德系数和F1值评测聚类效果。