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？ （1）逻辑回归是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性。比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击的可能性等。 （2）逻辑回归与线性回归都是一种广义线性模 阅读全文
摘要：
补交：6.逻辑回归 https://www.cnblogs.com/Roromiya/p/13088857.html 一、手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() 1 # 1 - Load data 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 1 def load(path): 2 with open(path) as f: 3 label, data = [], [] 4 csv_reader = csv.reader(f, delimiter='\t') 5 for line in csv_reader: 6 label.a 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 代码： 1 import csv 2 3 with open('./SMSSpamCollection', 'r') as ds: 4 csvReader = csv.reader(ds, delimiter='\t') 5 for 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。 联系：分类与聚类都是在数据集中寻找离自己最近的点。 区别：分类是一种有监督学习，目的是为了确定点的类别，而类别是已知的；聚类是一种无监督学习，目的是将点分为成若干个类，事先是没有类别的。 监督 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 特征选择就是从所有特征中选择部分特征作为训练集，即对现有特征的“取其精华，去其糟粕”，特征在选择前后可以改变值、也可以不改变值，只是选择后的特征维数肯定要比选择前小。 2、PCA PCA是一种分析、简化数据集的技术，主要是将数据的主成分（包含信息量大 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 代码： 1 from sklearn 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） 逻辑回归通过正则化来防止过拟合；正则化可以防止过拟合是因为过拟合的时候，拟合函数的系数往往非常大，而正则化是通过约束参数的范数使其不要太大，所以可以在一定程度上减少过拟合情况，以L2正则化为例，正则项会使权重趋于0 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 网课上讲的知识点老重要了，那可全都是重点啊。 回归算法的定义：我们可以根据现有提供的数据进行运算，构建函数模型，对数据进行训练，从而可以用构建好的模型进行预测，得出的结果可以有离散型和连续型。 矩阵：矩阵一个按照长方阵列排 阅读全文