基于线性回归的BGD、SGD、MBGD梯度下降算法对比实验研究产品系统

校园日常会产生大量学情相关数据，依靠人工方式整理挖掘耗时费力，很难发掘数据隐藏信息。本项目落地于校园教育场景，运用大数据与人工智能手段分析校园数据集，搭建预测模型，为校园学情管理提供数据参考。

项目分为数据获取、数据降噪清洗、Hadoop分布式存储、深度学习建模、可视化展示五大模块。借助Java、Python、Shell脚本完成校园数据处理，依靠Hadoop承载大容量数据集，搭配R语言开展统计分析，完成特征筛选与模型训练，直观呈现数据分析与模型预测结果。

我主要承担数据清洗处理、模型训练调试与结果可视化工作。项目部署在Linux虚拟机，采用Hadoop分布式架构，使用Python构建深度学习模型，项目难点是杂乱原始数据的预处理以及模型参数调优，提升预测效果。