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 1.读取数据集 1、导入Bos 阅读全文

摘要： 任务： 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。 1、导入 阅读全文

摘要： 任务： 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。 1、导入 阅读全文

摘要： join()： 连接字符串数组。将字符串、元组、列表中的元素以指定的字符(分隔符)连接生成一个新的字符串 os.path.join()： 将多个路径组合后返回 第一个以”/”开头的参数开始拼接，之前的参数全部丢弃。 以上一种情况为先。在上一种情况确保情况下，若出现”./”开头的参数，会从”./”开头 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 高斯适合连续型 多项式型 伯努利型 运行结果: 运行结果： 可以看到一共有150个分类，有100个符合植物学家的分类 查看数组 运行结果： 2.使用sklearn.model_selection.cro 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。 聚类分析 －将数据集划分为若干类，使得类内之间的数据最为相似。 分类：给数据贴标签 －提高认知效率 －降低认知成本 典型代表：邮件过滤 －自动识别垃圾邮件 根据以往收到的邮件进行标注，有些是正常邮件，有些是垃圾邮件，根据垃圾邮 阅读全文

摘要： 把图片压缩的两种方法：1、降低分辨率2、颜色聚类 1、降低分辨率 2、颜色聚类 把一些相似颜色划为一类，减少存储，每一个通道有256种颜色，三通道颜色有256＊3种 颜色聚类，颜色中心代替这一类的颜色，一千万总变成100种 64位聚类 把颜色变成数组 a是颜色的数组，b是有5个元素的数组 上机练习 阅读全文

摘要： 1. 用python实现K均值算法 K means是一个反复迭代的过程，算法分为四个步骤： （x,k,y) 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； def initcenter(x, k): kc 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 阅读全文

摘要： 输出固定时间 返回的结果 输出当前时间 返回的结果 字符串转日期 返回的结果 日期转字符串 返回的结果 本地时间 返回的结果 今天是一年中的第几天 返回的结果 格式化Sat Mar 28 22：24：24 2016形式 阅读全文

摘要： 总结 元祖、列表、元祖、集合、字典的区别 元祖：一旦初始化就不能更改，与列表非常相似 tuple = ('1','hh','j3j') 列表：处理一组有序项目的数据结构，即你可以在一个列表中存储一个序列的项目，可以修改 字典：键（名字）和值（详细情况）联系在一起。注意，键必须是唯一的，就像如果有两个 阅读全文