車輛通行時間預測車輛通行時間預測車輛通行時間預測PAGEPAGE1謹此承諾：姓名：車輛通行時間預測1 1 實驗簡介2 實驗目的（1）基于互聯網交通信息建立算法模型，精準預測各關鍵路段在某個時段的車輛平均通行時間。2 實驗目的3 相關理論與知識點（2）在本實驗中，基于Mindspore等構建了seq2seq深度學習模型，對各關鍵路段早晨7-83 相關理論與知識點4 4 實驗任務及評分標準序號任務名稱任務具體要求評分標準（100分制）1預測各關鍵路段在某個時段的車輛平均通行時間預測各關鍵路段在某個時段的車輛平均通行時間，并對結果進行分析。開發語言：Python。代碼和實驗報告打包成一個文件提交，壓縮包命名：學號+姓名+交通5 5 實驗條件與環境要求名稱版本要求備注編程語言Python無開發環境Jupyter無第三方工具包/庫/插件Pandas, seaborn,skitlearn用于分析和讀取數據，skitlearn用于調用機器學習模型。其他工具無無硬件環境GPU無6 實驗數據及其說明屬性（條目）內容數據集的名稱車輛通行時間數據集數據集的出處教師提供數據集的主要內容gy_link_info.csv文件共有四個屬性，用分號進行分割，表明了道路link_IDlengthwidthlink_classlink_ID標識了道路的寬度。Link_class則是一個無用數據。gy_link_top.csvgy_link_travel_time_part24道路的通行時間。數據集的文件格式CSV車輛通行時間預測7實驗步驟及其代碼車輛通行時間預測7實驗步驟及其代碼步驟序號步驟名稱步驟描述代碼及講解輸出結果及其解讀8 8 實驗難點及注意事項9 9 實驗結果及解讀1010參考文獻1111實驗相關的元數據元數據項內容案例名稱車輛通行時間預測適用課程名稱機器學習關鍵詞/檢索詞深度學習，seq2seq模型華為云URI1212備注及其他汽車產品聚類實驗汽車產品聚類分析汽車產品聚類分析PAGEPAGE1謹此承諾：姓名：汽車產品聚類分析1 1 實驗簡介2 實驗目的（1）掌握三種聚類方法，包括至少一種深度聚類方法2 實驗目的3 相關理論與知識點3 相關理論與知識點（1）聚類方法原理（請同學具體說明自己所用的至少三種方法）4 4 實驗任務及評分標準序號任務名稱任務具體要求評分標準（100分制）1采用至少三種聚類方法分析運用聚類算法，對該汽車數據進行聚類分析，并找到vokswagen聚類個數學生可以根據數據集的特點自己指定，但需說明聚類的依據。開發語言：Python。每種算法對應一個獨立的代碼文件。至少三種聚類算法可以寫到一個實驗報告中。件上傳，壓縮包命名：學號+姓名+汽車產品聚類5 5 實驗條件與環境要求名稱版本要求備注編程語言Python開發環境Mindspore第三方工具包/庫/插件其他工具硬件環境6 實驗數據及其說明屬性（條目）內容數據集的名稱汽車產品聚類分析數據集數據集的出處汽車產品數據集的主要內容汽車產品聚類分析數據集通常包含一系列汽車產品的相關信息，這些信息可以用來進行聚類分析以確定不同汽車產品之間的相似性和差異性。以下是可能包含在汽車產品聚類分析數據集中的主要內容：汽車產品的屬性、汽車產品的尺寸和重量、汽車產品的燃油經濟性、汽車產品的安全性能、汽車產品的舒適性和便利性。數據集的文件格式car_price.csv20526個字段7 7 實驗步驟及其代碼步驟序號1步驟名稱步驟描述代碼及講解此處是代碼及關于代碼的注釋說明輸出結果及其解讀步驟序號2步驟名稱步驟描述代碼及講解輸出結果及其解讀步驟序號3步驟名稱步驟描述代碼及講解輸出結果及其解讀（步驟根據實際情況填加）8 8 實驗難點及注意事項汽車產品聚類分析9實驗結果及解讀汽車產品聚類分析9實驗結果及解讀1010參考文獻1111實驗相關的元數據元數據項內容案例名稱汽車產品聚類分析適用課程名稱機器學習關鍵詞/檢索詞1212備注及其他天文光譜分類天文光譜分類天文光譜分類PAGEPAGE1謹此承諾：姓名：天文光譜分類1 1 實驗簡介，LAMOST3 相關理論與知識點2 實驗目的LAMOSTSTAR/GALAXY/QSO/UNKNOWN，3 相關理論與知識點2 實驗目的4 4 實驗任務及評分標準序號任務名稱任務具體要求評分標準（100分制）1對LAMOST光譜進行分類，共分為四類對LAMOST光譜進行分類，共分為四類，并對結果進行分析。開發語言：Python。將代碼和實驗報告打包成一個文件提交，壓縮包命名：學號+姓名+光譜分類5 5 實驗條件與環境要求名稱版本要求備注編程語言Python3.7無開發環境Jupyter無第三方工具包/庫/插件Pandas, seaborn,skitlearn無用于分析和讀取數據，skitlearn用于調用機器學習模型。其他工具無無無硬件環境GPU無無6 實驗數據及其說明屬性（條目）內容數據集的名稱光譜分類數據集數據集的出處教師給出數據集的主要內容1）索引文件的第一行是字段名，之后每一行代表一個天體。索引文件的idid號以及分類信息，測試集的索引文件記錄了波段文件id號，需要預測分類信息。2）波段文件是txt后綴的文本文件，存儲的是已經插值采樣好的波段數2600個。3）帶train為訓練集；帶test為第一階段測試集；帶rank為第二階段測試集數據集的文件格式Txt,CSV天文光譜分類7實驗步驟及其代碼天文光譜分類7實驗步驟及其代碼步驟序號步驟名稱步驟描述代碼及講解輸出結果及其解讀8 8 實驗難點及注意事項9 9 實驗結果及解讀1010參考文獻1111實驗相關的元數據元數據項內容案例名稱天文光譜分類適用課程名稱機器學習關鍵詞/檢索詞深度學習，樣本不平衡華為云URI1212備注及其他網頁分類網頁分類網頁分類PAGEPAGE1謹此承諾：姓名：網頁分類1 1 實驗簡介針對StumbleUpon網頁數據集，首先利用TFIDF進行文本特征抽取，并利用2 實驗目的PCAKNN、支持向量機、BP2 實驗目的3 相關理論與知識點KNNBP3 相關理論與知識點4 4 實驗任務及評分標準序號任務名稱任務具體要求評分標準（100分制）1設計支持向量機、BP神經網絡等分類方法實現分類。采用支持向量機、BP神經網性能。和實驗報告（word版）打包成一個文件提交，壓縮包命名：學號+姓名+網頁分類5 5 實驗條件與環境要求名稱版本要求備注PAGEPAGE37 實驗步驟及其代碼7 實驗步驟及其代碼6 實驗數據及其說明編程語言Python3.7無開發環境Pytorch無無第三方工具包/庫/插件無無無其他工具無無無硬件環境2Core,8GRAM無無屬性（條目）內容數據集的名稱StumbleUponEvergreenClassification數據集的出處https:///c/stumbleupon/data數據集的主要內容該數據集共包含7395條訓練數據和3171條測試數據，