以下为《《人工智能导论》课程大作业》的无排版文字预览，完整格式请下载

下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。

《人工智能导论》课程

大作业

目录

1 作业导读 2

1.1 作业导读 2

2 泰坦尼克号存活率预测模型 3

2.1 作业背景 3

2.1.1 数据集说明 3

2.2 作业要求 4

2.3 作业任务 4

2.3.1 任务1．（30分）考察数据分析与特征工程 4

2.3.2 任务2. （40分）考察模型搭建 4

2.3.3 任务3（30分）考察模型评估与优化 5

3 开放性课题作业 6

3.1 作业要求 6

作业导读

作业导读

本作业设计适用于学生学完《人工智能导论》课程之后，作为课程大作业进行完成。本作业以泰坦尼克号幸存者数据集为例，全面考察学生的数据分析与可视化能力，模型搭建能力，模型评估与参数优化能力。学生可应用课上所学知识，基于实际场景理解和分析数据，解决问题加固对所学知识的理解。

作业分为以下三个任务

任务1 数据分析与特征工程 40分

任务2 模型搭建 30分

任务3 模型评估与优化 30分

第3章为开放性课题作业，在学生已经完成第二章三个任务后，适用于学生进一步探索提升模型性能的方法。本章不提供参考答案。学生完成该课题视为加分项。

泰坦尼克号存活率预测模型

作业背景

泰坦尼克号的沉没是历史上最臭名昭著的海难之一。1912年4月15日，在她的一次航行中，泰坦尼克号与冰山相撞后沉没。不幸的是，船上没有足够的救生艇供所有人使用，导致2224名乘客和机组人员中的1502人死亡。虽然幸存有一些运气，但似乎有些人比其他人更有可能生存。

在本节作业中，我们要求同学建立一个预测模型来回答以下问题：“什么样的人更有可能生存？” 使用乘客数据（即姓名，年龄，性别，社会经济舱等）。

数据集说明

数据集字段说明：

- PassengerId => 乘客ID

- Survived => 是否存活（测试数据里面需要我们预测的）

- Pclass => 乘客等级(1/2/3等舱位)

- Name => 乘客姓名

- Sex => 性别

- Age => 年龄

- SibSp => 堂兄弟/妹个数

- Parch => 父母与小孩个数

- Ticket => 船票信息

- Fare => 票价

- Cabin => 客舱

- Embarked => 登船港口

作业要求

本次作业的最终结果是预测乘客是否生存，对于结果而言只有生存和没有生存两种结果，故是个二分类问题。针对二分类问题，可使用的算法有逻辑回归、朴素贝叶斯、支持向某某、决策树模型等。考虑到实验的完整性和实用性，本实验选用业界常用的逻辑回归模型和随机森林模型来做对比。考虑到样本极度不均衡，模型评价选用综合指标f1_score。涉及的技术要求及具体细节如下：

1. 技术要求：Python、scikit-learn、numpy、pandas、matplotlib、seaborn等

2. 数据分析以及特征工程：对原始数据集进行预处理，包括合并数据集、数据统计与分析、相关性分析、数值型与非数值型数据分布、非数值化特征处理、数据标准化等操作。

3. 模型搭建：对预处理后的数据进行模型搭建，可自选模型，这里不做限制。

4. 模型评估：采用不同纬度的评价指标对所搭建模型的性能、准确率等进行评估。

5. 模型优化：可采用不同模型进行预测分析，推荐使用交叉验证、网格搜索等方法进行模型的参数优化。

6. 作业提交要求：代码、方案完整设计文档、方案说明PPT。

2.3 作业 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 优化

这部分考察学生对模型建立完成后的评估能力，1.可采用不同的标准衡量模型的各项指标（15）；2.并对模型进行优化后选取合适的参数进行二次建模，或者可以提出自己的建议（15）。

开放性课题作业

作业要求

以第二章的三个任务为基础，同学可采用Pytorch、keras、Tensorflow或MindSpore等开源深度学习框架，搭建神经网络对模型进行二分类预测，对比第二章所提传统机器学习模型的性能，给出分析原因。

作业具体要求如下：

1. 作业考察点：包括创意、完成度、完成质量、实用价值等。

2. 作业提交：a. 调研分析报告；b. 方案完整设计文档；c. 方案说明PPT；d. 代码。

[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]

以上为《《人工智能导论》课程大作业》的无排版文字预览，完整格式请下载

下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。