摘要： from sklearn.datasets import load_iris iris = load_iris() from sklearn.naive_bayes import GaussianNB#贝叶斯 gnb = GaussianNB() pred = gnb.fit(iris.data,iris.target) y_pred = pred.predict(iris.data)#预测 ... 阅读全文

摘要： #储存温度数据 degree1 = input("输入摄氏温度") #华氏摄氏转换 摄氏 ℃＝5/9（°F－32） 华氏°F＝ ℃×9/5＋32 return1 = float(degree1)*(9/5)+32 #输出华氏温度 print("该摄氏度对应的华氏温度是:{}".format(retu 阅读全文

摘要： 1，大作业 （1）读取清洗分词 （2）预测评估 （3）.对比 （4）.图像对比 2-boston房价预测 阅读全文

摘要： 1. 导入boston房价数据集 2. 一元线性回归模型，建立一个变量与房价之间的预测模型，并图形化显示。 data = boston.data import pandas as pd print(pd.DataFrame(data))#更直观的观看数据 #一元线性回归模型，建立一个变量与房价之间的 阅读全文

摘要： 1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 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。 分类指监督学习，就是按照某种标准给对象贴标签，再根据标签来区分归类。 聚类是指事先没有“标签”而通过某种成团分析找出事物之间存在聚集性原因的过程。指无监督学习，是指根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组，这 阅读全文

摘要： #导入文件包 import numpy as np x = np.random.randint(1,50,[20,1]) y = np.zeros(20) #1） 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心； k =4 def initcen(x,k): return x[:k] #2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们... 阅读全文

摘要： #1. 安装scipy，numpy，sklearn包 import numpy as np #2. 从sklearn包自带的数据集中读出鸢尾花数据集data from sklearn.datasets import load_iris iris = load_iris() #3.查看data类型，包含哪些数据 print(type(iris)) #4.取出鸢尾花特征和鸢尾花类别数据，查看其形状及... 阅读全文

摘要： 一、处理日期时间 取系统时间 转换成‘2017年9月30日星期六10时28分56秒’格式字符串 ’2018-10-25 22:00‘转换成一个日期时间变量 计算两者的间隔 二、问题： 数列： a = a1,a2,a3,·····,an b = b1,b2,b3,·····,bn 求： c = a12 阅读全文

摘要： 步骤： 1.准备utf-8编码的文本文件file 2.通过文件读取字符串 str 3.对文本进行预处理 4.分解提取单词 list 5.单词计数字典 set , dict 6.按词频排序 list.sort(key=) 7.排除语法型词汇，代词、冠词、连词等无语义词 8.输出TOP(20) 一、.英 阅读全文