AI智能生态系统（机器学习项目，在线部署）

该系统为国庆期间练手项目，目前已部署上线，

项目链接：AI智能生态系统

包含了以下四个项目：

狗猫图像分类器（PetAI Vision）

任务描述： 利用卷积神经网络（CNN）实现图像分类任务，以精确识别狗和猫的图像。

技术工具： 使用Tensorflow 2.0和Keras框架构建和训练CNN模型。

数据集： 采用包含带有标签的大规模狗猫图像数据集，以进行监督学习。

目标准确率： 至少63%的分类准确率，以确保高效正确地区分狗和猫的图像。

基于KNN的电影推荐引擎（CineMatch）

任务描述： 开发电影推荐算法，使用K-Nearest Neighbors（KNN）根据用户的电影偏好为其推荐类似电影。

技术工具： 使用scikit-learn库中的NearestNeighbors实现KNN算法。

数据集： 利用包含电影信息和用户评分的数据集，建立电影之间的相似性度量。

实现方法： 通过计算电影之间的相似性度量（如欧氏距离），向用户推荐与其喜好相似的电影。

线性回归健康成本计算器（HealthCost Pro）

任务描述： 使用线性回归算法预测医疗费用，通过特征（如年龄、性别、吸烟习惯等）拟合个体的医疗支出。

技术工具： 使用梯度下降或正规方程等线性回归模型，拟合医疗费用与特征之间的关系。

数据集： 利用包含个体特征和医疗费用的数据集，用于模型的训练和测试。

预测目标： 利用训练好的线性回归模型，对个体的医疗费用进行预测，为个人或保险公司提供合理的估算。

神经网络短信文本分类器（SpamGuard Pro）

任务描述： 建立机器学习模型，用于将接收到的短信文本分为两个类别：“ham”（正常消息）和“spam”（垃圾消息）。

技术工具： 使用神经网络，如循环神经网络（RNN）或卷积神经网络（CNN），以处理文本数据并进行分类。

数据集： 使用已标记为“ham”或“spam”的短信文本数据集，进行监督学习。

预测目标： 模型接受短信文本作为输入，然后输出相应的类别标签，以协助用户自动识别垃圾短信。