椰梨

摘要： 作业十二 朴素贝叶斯垃圾邮件（实习忙忘了） 1. 读邮件数据集文件，提取邮件本身与标签。 列表 numpy数组 代码： import numpy as npimport csvp =r"SMSSpamCollection"sms= open(p,'r',encoding='utf-8')data=c 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。 答：人工智能是最早出现的，也是最大、最外侧的同心圆；其次是机器学习，稍晚一点；最内侧，是深度学习，也是当今人工智能大爆炸的核心驱动。 人工智能是目的，是结果；深度学习、机器学习是方法，是工具； 机器学习，一种实现人工智能的方法；机器学习都可以被 阅读全文

摘要： 1.读取 2.数据预处理 3.数据划分—训练集和测试集数据划分 from sklearn.model_selection import train_test_split x_train,x_test, y_train, y_test = train_test_split(data, target, 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。 答：联系：聚类属于无监督学习，即模型训练过程中没有被目标标签监督。而分类属于监督学习，即其训练数据都标记了需要被预测的真实值。在很多情况下，聚类模型等价于分类模型的无监督形式。 区别：分类是事先定义好类别 ，类别数不变 。分类 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。 2. 如果数据稀疏，使用L1正则，其他情况，用L2要好，可自己尝试。 3. 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。 4. 如果还过拟合，那就看看是 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 有许多不同的方法可用于特征选择。其中最重要的是： 1.过滤方法=过滤我们的数据集，只取包含所有相关特征的子集（例如，使用 Pearson 相关的相关矩阵）。 2.遵循过滤方法的相同目标，但使用机器学习模型作为其评估标准（例如，向前/向后/双向/递归特 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 from sklearn.feature_selection import VarianceThre 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？ 逻辑回归是机器学习中的一种分类模型，在线性回归的基础上，套用了一个逻辑函数，用于估计某种事物的可能性。 他们的区别是： 1 线性回归是计算出具体的值，是解决回归问题；逻辑回归是给出是和否，解决的是分类问题。 2 逻辑回归引入了si 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。 答：机器学习监督学习算法分为分类算法和回归算法两种，其实就是根据类别标签分布类型为离散型、连续性而定义的。回归算法用于连续型分布预测，针对的是数值型的样本，使用回归，可以在给定输入的时候预测出一个数值，这是对分类方法的提升 阅读全文

摘要： 1. 应用K-means算法进行图片压缩 读取一张图片 观察图片文件大小，占内存大小，图片数据结构，线性化 用kmeans对图片像素颜色进行聚类 获取每个像素的颜色类别，每个类别的颜色 压缩图片生成：以聚类中收替代原像素颜色，还原为二维 观察压缩图片的文件大小，占内存大小 from sklearn. 阅读全文