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。 1) 机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。 2) 深度学习本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。 深度学习是机器学习的一个子集，机器学习是 阅读全文
摘要：
1.读取 2.数据预处理 3.数据划分—训练集和测试集数据划分 from sklearn.model_selection import train_test_split x_train,x_test, y_train, y_test = train_test_split(data, target, 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 2.邮件预处理 邮件分句 名子分词 去掉过短的单词 词性还原 连接成字符串 传统方法来实现 nltk库的安装与使用 pip install nltk import nltk nltk.download() # sever地址改成 h 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分类是事先定义好类别 ，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，属于有指导学习范畴。 聚类则是没有事先预定的类别，类别数不确定。 ②监督学习：根据数据集和已知的输入数据和输 阅读全文
摘要：
一、用自己的话描述出其本身的含义： 1.特征选择 特征选择就是在大数据的很多特征中筛选出符合要求的特征，而且没有进行降维或者其他变化。 2.PCA 就是降低维数，减少数据的某些属性，降低冗余度，同时也从这些现有的特征中构建新的特征，提高模型构建的准确度。 二、并用自己的话阐述出两者的主要区别 1.特 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]] 要求： 1、Variance Threshold（threshold =1.0） 2、将结果截图放上来（没有条件的备注说明原因）注意：每个人的电脑ID是不一样的 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） 1)逻辑回归是利用正则化来防止过拟合的； 2)正则化，即保留所有特征，但降低参数的值的影响。正则化的优点是，特征很多时，每个特征都会有一个合适的影响因子。 所以只要正则化的参数设置得足够大，权重矩阵就被设置为接近于 阅读全文
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？ 逻辑回归主要处理的是（数据）分类问题，线性回归主要处理的是回归问题。 两者最大的不同：逻辑回归要求因变量必须是分类变量，二分类或者多分类的；而线性回归要求因变量必须是连续的数据变量。 2.自述一下什么是过拟合和欠拟合？ 过拟合：过 阅读全文
摘要：
1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性 1) 回归算法： 2) 线性回归： （1）老师举了线性回归的应用： ①房价预测； ②销售额预测； ③贷款额度预测； （2）在这个图中，线性回归的数据应该是连续型的，如果拿到的数据如上图的红色点，那就不符合线性回归模型。 （ 阅读全文