摘要: 1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() from sklearn.datasets import load_digits digits = load_digits() 2.图片数据预处理 x: 阅读全文
posted @ 2020-06-10 13:23 SeBr7 阅读(161) 评论(0) 推荐(0) 编辑
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。 2. 全连接神经网络与卷积神经网络的联系与区别。 神经网络即指人工神经网络,或称作连接模型,它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理 阅读全文
posted @ 2020-06-03 18:36 SeBr7 阅读(144) 评论(0) 推荐(0) 编辑
摘要: 1.读取 # 读取数据 def read_dataset(): # 打开csv文件 sms = open('../data/SMSSpamCollection', 'r', encoding='utf-8') sms_label = [] # 标题 sms_data = [] # 数据 # 读取cs 阅读全文
posted @ 2020-05-27 11:50 SeBr7 阅读(197) 评论(0) 推荐(0) 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 import csv file_path = r"SMSSpamCollection" sms = open(file_path, 'r', encoding='utf-8') data = csv.reader(sms, deli 阅读全文
posted @ 2020-05-19 21:41 SeBr7 阅读(108) 评论(0) 推荐(0) 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。 简述什么是监督学习与无监督学习。 2.朴素贝叶斯分类算法 实例 利用关于心脏病患者的临床历史数据集,建立朴素贝叶斯心脏病分类模型。 有六个分类变量(分类因子):性别,年龄、KILLP评分、饮酒、吸烟、住院天数 目标分类变量疾病 阅读全文
posted @ 2020-05-11 18:17 SeBr7 阅读(189) 评论(0) 推荐(0) 编辑
摘要: 一、用自己的话描述出其本身的含义: 1、特征选择 ①特征选择就是特征降维中进行人工选择的方式,主观性剔除不要的特征。 2、PCA ②主成分分析是一种分析、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。 二、并用自己的话阐述出两者的主要区别 特征选择是从 阅读全文
posted @ 2020-04-28 22:22 SeBr7 阅读(161) 评论(0) 推荐(0) 编辑
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) ①. 增加样本量,这是万能的方法 ②通过特征选择,剔除一些不重要的特征,从而降低模型复杂度。 (2)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 阅读全文
posted @ 2020-04-28 20:10 SeBr7 阅读(155) 评论(0) 推荐(0) 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) from sklearn.feature_selection import VarianceThreshold de 阅读全文
posted @ 2020-04-27 12:42 SeBr7 阅读(141) 评论(0) 推荐(0) 编辑
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? 首先逻辑回归处理的是分类问题,线性回归处理的是回归问题,这是两者最本质的区别。 ①性质不同 逻辑回归:是一种广义的线性回归分析模型。 线性回归:利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法 阅读全文
posted @ 2020-04-24 17:54 SeBr7 阅读(119) 评论(0) 推荐(0) 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 ①回归算法分类 ②回归算法 ③监督学习的区别 ④线性回归的应用 ⑤定义 矩阵运算 import matplotlib.pyplot as plt import numpy as np import random # plt 阅读全文
posted @ 2020-04-21 19:28 SeBr7 阅读(214) 评论(0) 推荐(0) 编辑