摘要： 一、boston房价预测 1. 读取数据集 2. 训练集与测试集划分 3. 线性回归模型：建立13个变量与房价之间的预测模型，并检测模型好坏。 4. 多项式回归模型：建立13个变量与房价之间的预测模型，并检测模型好坏。 5. 比较线性模型与非线性模型的性能，并说明原因。 二、中文文本分类 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。 3. 多元线性回归模型，建立13个变量与房价之间的预测模型，并检测模型好坏，并图形化显示检查结果。 4. 一元多项式回归模型，建立一个变量与房价之间的预测模型，并图形化显示。 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.使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。 3. 垃圾邮件分类 数据准备： 用csv读取邮件数据，分解出邮件类别及邮 阅读全文

摘要： 1.理解分类与监督学习、聚类与无监督学习。 （1）简述分类与聚类的联系与区别。 分类是根据规则进行的，你把这个规则建立起来後还可以运用到其他尚未分类的数据，同时还可以根据新的已有类别数据修正分类规则，不断提高其分类准确性 聚类是纯粹的根据已有数据进行系统把数据聚类，有可能聚类出来的没有实际意义，聚类 阅读全文

摘要： 读取一张示例图片或自己准备的图片，观察图片存放数据特点。 根据图片的分辨率，可适当降低分辨率 理解贝叶斯定理 阅读全文

摘要： 1.用python实现K均值算法 1(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； 1.(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分到距离它们最近的聚类中心（最相似）所对应的类； 2. 鸢尾花花瓣长度数据做聚类并用散点图显示 运行 阅读全文

摘要： 1.计算鸢尾花花瓣长度的最大值，平均值，中值，均方差。 运行结果： 2.用np.random.normal()产生一个正态分布的随机数组，并显示出来。 运行结果： 3.np.random.randn()产生一个正态分布的随机数组，并显示出来。 运行结果： 4.显示鸢尾花花瓣长度的正态分布图，曲线图， 阅读全文

摘要： 3.运行结果： 4. 运行结果： 5. 运行结果： 6. 运行结果： 7. 运行结果： 8.运行结果： 阅读全文

摘要： 运行结果 阅读全文