python 预测大作业

### Python预测大作业示例

#### 使用ResNet模型进行图像分类的大作业实例

为了完成基于Python的预测类大作业，可以采用深度学习中的卷积神经网络(CNN)，特别是已经预先训练过的ResNet模型来进行图像分类的任务[^2]。

import torch
from torchvision import models, transforms
from PIL import Image

def load_model():
    model = models.resnet50(pretrained=True)
    model.eval()
    return model

transform_pipeline = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])

def predict_image(image_path):
    image = Image.open(image_path).convert('RGB')
    input_tensor = transform_pipeline(image)
    input_batch = input_tensor.unsqueeze(0)

    with torch.no_grad():
        output = model(input_batch)

    probabilities = torch.nn.functional.softmax(output[0], dim=0)
    
    # 假设这里有一个函数get_labels()返回标签列表
    labels = get_labels()

    top5_prob, top5_catid = torch.topk(probabilities, 5)
    for i in range(top5_prob.size(0)):
        print(f"{labels[top5_catid[i]]}: {top5_prob[i].item()*100:.2f}%")

model = load_model()
predict_image("path_to_your_image.jpg")

这段代码展示了如何加载预训练的ResNet模型并用于新图片的分类预测。注意，在实际部署之前还需要解决诸如获取合适的标签名称等问题。

#### 利用支持向量机(SVM)预测交通流量的大作业实例

另一个例子是使用机器学习的支持向量机算法来构建一个简单的交通流量预测系统[^3]。

首先确保安装必要的库：

pip --default-timeout=1000 install numpy scipy matplotlib scikit-learn

接着编写如下所示的基础框架代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVR
from sklearn.metrics import mean_squared_error

data = pd.read_csv('traffic_data.csv')

X = data.drop(columns=['flow'])
y = data['flow']

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

X_train, X_test, y_train, y_test = train_test_split(
    X_scaled, y, test_size=0.2, random_state=42
)

svr = SVR(kernel='rbf', C=1e3, gamma=0.1)
svr.fit(X_train, y_train)

predictions = svr.predict(X_test)
mse = mean_squared_error(y_test, predictions)
print(f'Mean Squared Error: {mse}')

此脚本实现了数据集导入、特征缩放、划分测试集与训练集、建立SVM回归器以及评估模型表现等功能模块。