摘要：
1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() from sklearn.datasets import load_digits digits = load_digits() 2.图片数据预处理 x： 阅读全文
摘要：
1.简述人工智能、机器学习和深度学习三者的联系与区别。 人工智能是目的，是结果；机器学习、深度学习是方法，是工具。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。 人工智能的范围可以说很大、很泛，从表面上可以理解为机器的智能化，让机器像人一样能解决思考解决问题。简而言之，机器学习 阅读全文
摘要：
1.读取 def read_dataset(): file_path = r'E:\大三下\1机器学习算法基础\12\SMSSpamCollection' sms = open(file_path, encoding='utf-8') # 读取数据 sms_label = [] # 存储标题 sms 阅读全文
摘要：
1. 读邮件数据集文件，提取邮件本身与标签。 列表 numpy数组 import csv file_path = r"E:\大三下\1机器学习算法基础\12\SMSSpamCollection" sms = open(file_path, 'r', encoding='utf-8') data = 阅读全文
摘要：
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 简述什么是监督学习与无监督学习。 两者都是对对象的一种划分，都用到了NN算法。 分类是事先定义好类别 ，类别数不变，常用算法是KNN算法。聚类则没有事先预定的类别，类别数不确定，常用算法是K-Means算法。 监督学习：利用一 阅读全文
摘要：
一、用自己的话描述出其本身的含义： 1、特征选择 2、PCA 1.特征选择是从给定的特征集合中选出相关特征使得系统特定指标最优化的过程，作用在于降低数据集维度，从而获得分类错误概率小的分类特征。 2.PCA 主要用于数据降维，利用现有特征构建新的特征，使它们反映事物的主要特征，压缩原有数据矩阵的规模 阅读全文
摘要：
用过滤法对以下数据进行特征选择： [[0,2,0,3], [0,1,4,3], [0,1,1,3]] 要求： 1、Variance Threshold（threshold =1.0） 2、将结果截图放上来（没有条件的备注说明原因）注意：每个人的电脑ID是不一样的 from sklearn.featu 阅读全文
摘要：
1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） （1）增加样本量，这是万能的方法，适用任何模型； 如果数据稀疏，使用L1正则，其他情况，用L2要好，可自己尝试； 通过特征选择，剔除一些不重要的特征，从而降低模型复杂度； 如果还过拟合，那就看看是否使用了过度复杂的 阅读全文
摘要：
1.用自己的话描述一下，什么是逻辑回归，与线性回归对比，有什么不同？ 逻辑回归是一种广义的线性回归分析模型，线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。 逻辑回归处理的是分类问题，线性回归处理的是回归问题。 逻辑回归使用对数似然函数进行参数估计， 阅读全文
摘要：
1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性 （1）机器学习分类，本次学习内容为监督学习中的回归算法。 （2）回归算法：回归是统计学中最有力的工具之一。 （3）监督学习 （4）线性回归应用： （5）多元线性回归 （6）线性回归定义 （7）矩阵知识 （8）损失函数 （9 阅读全文