python科学计算课程设计
课程设计名称
使用scikit-learn构建和评价xx模型
课程设计内容
wine数据集和wine_quality数据集是两份和葡萄酒有关的数据集。
wine数据集包含3种同起源的葡萄酒的记录，共178条。其中，每个特征对应葡萄酒的每种化学成分,并且都属于连续型数据。通过化学分析可以推断葡萄酒的起源。
wine_quality数据集共有1599个观察值，11个输入特征和一个标签。其中，不同类的观察值数量不等，所有特征为连续型数据。通过酒的各类化学成分，预测该葡萄酒的评分。
(1) 使用pandas库分别读取wine数据集和wine_quality数据集；将wine数据集和wine_quality数据集的数据和标签拆分开；将wine数据集和wine_quality数据集划分为训练集和测试集；标准化wine数据集和wine_quality数据集；对wine数据集和wine_quality数据集进行PCA降维。
(2) 根据(1)的wine数据集处理的结果，采用2种不同的聚类算法分别构建聚类模型；然后，通过定量指标评价所构建的模型的优劣。
(3) 根据(1)的wine数据集处理的结果，采用2种不同的分类算法分别构建分类模型；然后，通过定量指标评价所构建的模型的优劣。
(4) 根据(1)的wine_quality数据集处理的结果，采用2种不同的回归算法分别构建回归模型；然后，通过定量指标评价所构建的模型的优劣。
课程设计要求
(1) 分组，每组3人。以小组为单位完成以下任务。
(2) 编程实现“课程设计内容”中的(2)、(3)或(4)，任选1题；（实现思路和步骤可参见参考资料(2)的P196和P197页）
(3) 撰写课程设计报告；（需要包含所采用算法的简介以及评价指标的简介；代码可作为附件放在正文之后）
(4) 讲解展示，每组10分钟（每个人都要讲，时间和内容自行分配）。要求讲解清晰，使现场的同学们能够听懂，然后由评议小组实时评分。
参考资料
(1) 课件的第11章PPT；
(2)《Python数据分析与应用》，作者：黄红梅、张良均：人民邮电出版社，第6章 使用scikit-learn构建模型