文件名称：nass_ges_learning:NASS GES 数据上事故严重程度的机器学习
文件大小：1.34MB
文件格式：ZIP
更新时间：2024-07-22 17:20:05
Python
使用机器学习的交通事故分析（扩展） 该项目的目标是在给定上述条件的情况下准确预测交通事故的严重程度。 如果我们能够很好地预测处于某种情况下的结果，那实质上意味着我们也知道应该避免将自己置于何种情况下。 随着自动驾驶汽车在 2014/2015 年开始走出婴儿期，我们应该准备好应对机器解决此类复杂问题所带来的复杂性。 不可避免地，无论是人类、机器还是两者都会犯错误。 该项目的目标是确保我们有一种方法可以系统地从这些错误中吸取教训。 当然，特别是机器将学习。 为此，我从 NASS GES 交通数据集中获取了在美国收集的最新事故信息。 一般的方法是我们取数据，根据事故严重程度将其分成不同的类别，将每个类别分成训练和测试数据，然后在每个集合上尝试多个不同的分类器。 当然，每个分类器在此过程中都会受到各种参数组合的影响。 首先，您可以按照以下步骤操作： 确保你已经安装了 Python。 我使用
【文件预览】：
nass_ges_learning-master
----Traffic Accident Analysis Extension Using Machine Learning.pdf(105KB)
----head_on_svm_learner_no_injury.py(2KB)
----head_on_svm_learner_fatal_or_incapacitating.py(2KB)
----head_on_svm_learner_non_incapacitating.py(2KB)
----head_on_extraction.py(3KB)
----readme.md(2KB)
----head_on_svm_learner.py(1KB)
----accident.txt(7.46MB)