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。 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。 非线性模型的性 阅读全文
摘要：
1. 导入boston房价数据集 from sklearn.datasets import load_boston boston = load_boston() boston.keys() print(boston.DESCR)#介绍 data = boston.data#查看数据 boston.t 阅读全文
摘要：
from sklearn.metrics import confusion_matrix, classification_reportfrom sklearn.naive_bayes import MultinomialNB 1. 数据准备：收集数据与读取 import csv file_path= 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 结果： 150 6 多项式型 结果：150 7 伯努利型 结果：150 100 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。 结果： Ac 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。 1）简述分类与聚类的联系与区别。 联系：按照某种标准给对象贴标签，再根据标签来区分归类。 分类：相当于给数据贴标签，根据标签可以提高对数据认知的效率，降低认知成本。 聚类：是指事先没有“标签” 阅读全文
摘要：
1. 用K-means算做图片压缩 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。 再用k均值聚类算法，将图片中所有的颜色值做聚类。 然后用聚类中心的颜色代替原来的颜色值。 形成新的图片。 观察原始图片与新图片所占用内存的大小。 将原始图片与新图片保存 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，按距离最近 阅读全文
摘要：
1. 安装scipy，numpy，sklearn包 2. 从sklearn包自带的数据集中读出鸢尾花数据集data 3.查看data类型，包含哪些数据 4.取出鸢尾花特征和鸢尾花类别数据，查看其形状及数据类型 5.取出所有花的花萼长度(cm)的数据 6.取出所有花的花瓣长度(cm)+花瓣宽度(cm) 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 = a1 阅读全文
摘要：
fo = open('music.txt','r',encoding='utf-8') #读取文件 strmusic = fo.read().lower() #转换小写 fo.close() print(strmusic) sep = ''' .,:;?!-_''' #删除特殊字符 for ch in sep: strmusic = strmusic.replace(ch... 阅读全文