摘要：一、选题与意义 1.Hadoop平台应用 2.Kaggle分析数据项目 简要说明理由与意义。 Kaggle分析数据项目：kaggle泰坦尼克之灾 https://www.kaggle.com/c/titanic 首先是自己电脑配置的硬件问题，再之后是因为对这个比较感兴趣，而且这个项目可以参赛获奖， 阅读全文
15 手写数字识别
2020-06-14 20:46 by 当地一个比较帅的人, 123 阅读, 0 推荐, 收藏, 编辑
摘要：补缴作业： 2.机器学习相关数学基础 https://www.cnblogs.com/SZZZ/p/13126836.html 4.K均值算法--应用 https://www.cnblogs.com/SZZZ/p/13126782.html 5.线性回归算法 https://www.cnblogs. 阅读全文
2.机器学习相关数学基础
2020-06-14 20:39 by 当地一个比较帅的人, 136 阅读, 0 推荐, 收藏, 编辑
摘要：1）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。 概率公式： 二项分布 两点分布： 2）用自己的话总结“梯度”，“梯度下降”和“贝叶斯定理”，可以word编辑，可做思维导图，可以手写拍照，要求言简意赅、排版整洁。 梯度：梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取 阅读全文
4.K均值算法--应用
2020-06-14 20:29 by 当地一个比较帅的人, 154 阅读, 0 推荐, 收藏, 编辑
摘要：1. 应用K-means算法进行图片压缩 读取一张图片 观察图片文件大小，占内存大小，图片数据结构，线性化 用kmeans对图片像素颜色进行聚类 获取每个像素的颜色类别，每个类别的颜色 压缩图片生成：以聚类中收替代原像素颜色，还原为二维 观察压缩图片的文件大小，占内存大小 import matplo 阅读全文
5.线性回归算法
2020-06-14 20:18 by 当地一个比较帅的人, 102 阅读, 0 推荐, 收藏, 编辑
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 线性回归：就是能够用一个直线较为精确地描述数据之间的关系。这样当出现新的数据的时候，就能够预测出一个简单的值，常用的拟合法为最小二乘法。线性回归可以对大量的观测数据进行处理，从而得到比较符合事物内部规律的数学表达式。 2. 阅读全文
8、特征选择
2020-06-14 20:11 by 当地一个比较帅的人, 110 阅读, 0 推荐, 收藏, 编辑
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 from sklearn.featu 阅读全文
13-垃圾邮件分类2
2020-06-14 20:07 by 当地一个比较帅的人, 160 阅读, 0 推荐, 收藏, 编辑
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
12.朴素贝叶斯-垃圾邮件分类
2020-06-14 19:47 by 当地一个比较帅的人, 109 阅读, 0 推荐, 收藏, 编辑
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 句子分词 大小写，标点符号，去掉过短的单词 词性还原：复数、时态、比较级 连接成字符串 2.1 传统方法来实现 2.2 nltk库的安装与使用 pip install nltk import nltk nl 阅读全文
14.深度学习-卷积
2020-06-07 18:49 by 当地一个比较帅的人, 232 阅读, 0 推荐, 收藏, 编辑
摘要：15 手写数字识别及其补交作业 https://www.cnblogs.com/SZZZ/p/13126584.html 1.简述人工智能、机器学习和深度学习三者的联系与区别。 人工智能是最早出现的，也是最大、最外侧的同心圆；其次是机器学习，稍晚一点；最内侧，是深度学习，当今人工智能大爆炸的核心驱动 阅读全文
11.分类与监督学习，朴素贝叶斯分类算法
2020-05-07 22:23 by 当地一个比较帅的人, 233 阅读, 0 推荐, 收藏, 编辑
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。 分类就是按照数据的属性给对象贴上标签，再根据标签来分类，属于无监督学习，聚类就是指事先定义好类别，然后通过某种度量（比如距离）将他们分类。 简述什么是监督学习与无监督学习。 监督学习 利用一组已知类别的样本调整分类器的参数，使 阅读全文