本科阶段的机器学习实验内容已包含。

简介：
线性回归模型首先需要建立，该模型用于分析房价与住房面积之间的线性关系。随后，需要对回归参数进行训练，并详细呈现测试结果以及计算精度，同时绘制回归线和散点图以直观展示模型效果。接着，可以探索多种因素对房价与住房面积的影响，构建多元线性回归模型，同样进行参数训练、结果评估、精度计算以及残差图的绘制。 随后，针对AT&T人脸数据库（包含40个人，每人10张照片，共40类，每个类8个样本用于训练，剩下2个样本作为测试，图片尺寸为112*92）进行分类任务。首先采用线性回归方法来评估分类性能并给出相应的精度指标。之后，可以尝试使用逻辑回归方法进行分类评估并报告精度结果。 此外，线性支持向量机（SVM）也适用于此任务。下载AT&T人脸数据库后, 同样采用SVM方法进行分类评估, 并给出分类结果和精度指标。具体而言, 建议使用LibSVM工具包（目前在MATLAB环境下应用最为广泛），该工具包还提供了JAVA、Python、C等多种编程语言扩展版本。相关资源链接可参考https://www.csie.ntu.edu.tw/~cjlin/libsvm/ 。学习并调试LibSVM工具包, 进而调用该工具箱来完成分类任务。最后, 可以考虑构建浅层神经网络模型等其他机器学习方法来进一步提升分类效果。