摘要：本课题是机器学习在数据挖掘领域的应用。通过机器学习分析声纳获得的208组数据分组，数据由从60个不同角度回波值强度值构成，寻找其中的规律，建立预测模型，判断给定目标物体是岩石还是金属。

本课题基于Anaconda3开发环境，采用Python3.6.4软件编写程序，完成对数据的清洗、归一化、测试集和验证集的划分，再分别应用决策树、随机森林、支持向量机三种算法建立了学习模型。通过准确率结果分析，得出支持向量机的学习效果要优于其余两种算法和本数据集的测试集占比最佳划分比例为25%的结论。

关键字:  机器学习  声呐数据  Python

目录

摘要

Abstract

1 绪论-1

1.1课题研究的背景-1

1.2课题研究意义-1

2 开发环境以及算法选择-3

2.1开发环境简介-3

2.2算法的比较及选择-3

2.2.1“随机森林”算法-3

2.2.2“决策树”算法-4

2.2.3“支持向量机”算法-4

3 流程与程序设计-5

3.1数据预处理-5

3.1.1导入标准库-5

3.1.2导入数据集-5

3.1.3重复数据的处理-7

3.1.4缺失数据的处理-7

3.1.5创建训练集和测试集-8

3.1.6特征缩放-8

3.2创建学习模型-9

3.2.1随机森林-9

3.2.2决策树-9

3.2.3支持向量机-9

3.3学习效果评价方法-9

4 算法学习效果对比与分析-11

4.1方法-11

4.2学习效果评价-11

4.3结论分析-16

5 总结-18

5.1课题总结-18

5.2系统中存在的不足和可改进之处-18

参考文献-19

致谢-20

附录-21