M.R.J

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？ 逻辑回归是一种用于解决二分类0/1问题的机器学习方法，用于估计某种事物的可能性，与线性回归这样输出是连续的、具体的值不同，逻辑回归的输出是0~1之间的概率，用于回答离散的二分类的问题。 2.自述一下什么是过拟合和欠拟合？ 过拟合是 阅读全文

摘要： 1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() 2.图片数据预处理 x：归一化MinMaxScaler() y：独热编码OneHotEncoder()或to_categorical 训练集测试集划分 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。 人工智能是目的，是结果，机器学习是一种实现人工智能的方法，深度学习一种是实现机器学习的技术。 2. 全连接神经网络与卷积神经网络的联系与区别。 联系：全连接神经网络和卷积神经网络都是通过一层一层的节点组织起来的，两者输入输出以及训练的流程基本一 阅读全文

摘要： 1.读取 sms = open("C:\Users\D。\mrj\SMSSpamCollection", 'r', encoding='utf-8') sms_data = [] sms_label = [] csv_reader = csv.reader(sms, delimiter='\t') 阅读全文

摘要： 1. 读邮件数据集文件，提取邮件本身与标签。 列表 numpy数组 import csv file_path = r"C:\mrj\SMSSpamCollection" sms = open(file_path, 'r', encoding='utf-8') csv_reader = csv.rea 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。 联系：都会在数据集中寻找离它最近的点；区别：分类事先定义好类别，类别数不变。分类器需要由人工标注的分类训练语料训练得到，属于指导学习范畴。聚类则没有事先预定的类，类别数不确定。聚类不需要人工标注和预先训练分类器，类别在聚类的过 阅读全文

摘要： 1、特征选择 特征选择能剔除不相关或冗余的特征，从而达到减少特征个数，提高模型精确度，减少运行时间的目的。目标是寻找最优特征子集。 2、PCA 主成分分析（PCA）是一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高 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） 答：正则化；在过拟合的情况下，拟合函数的系数一般非常大，正则化约束参数的范数不过大，从而防止过拟合。 2.用logiftic回归来进行实践操作，数据不限。 from sklearn.datasets import 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]] 代码和结果图如下： 1.Variance Threshold（threshold =0.0） 2.Variance Threshold（threshold =1.0） 阅读全文

摘要： 1、 回归算法的定义： 回归和分类的区别： 线性回归算法： 多变量线性回归： 损失函数、最小二乘 线性回归模型经常用最小二乘逼近来拟合 梯度下降： import random import time import matplotlib.pyplot as plt xs = [0.1*x for x 阅读全文