思富

摘要： 大作业 一、boston房价预测 1. 读取数据集 结果： 2. 训练集与测试集划分 3. 线性回归模型：建立13个变量与房价之间的预测模型，并检测模型好坏。 结果： 4. 多项式回归模型：建立13个变量与房价之间的预测模型，并检测模型好坏。 结果： 5. 比较线性模型与非线性模型的性能，并说明原因 阅读全文

摘要： 回归模型与房价预测 1. 导入boston房价数据集 结果： 2. 一元线性回归模型，建立一个变量与房价之间的预测模型，并图形化显示。 结果： 3. 多元线性回归模型，建立13个变量与房价之间的预测模型，并检测模型好坏，并图形化显示检查结果。 结果： 4. 一元多项式回归模型，建立一个变量与房价之间 阅读全文

摘要： 朴素贝叶斯应用：垃圾邮件分类 1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词 阅读全文

摘要： sklearn中的朴素贝叶斯模型及其应用 1.使用朴素贝叶斯模型对iris数据集进行花分类 以下是3种不同类型的朴素贝叶斯： （1）高斯分布型 （2）多项式型 （3）伯努利型 代码如下： 结果： 2.使用sklearn.model_selection.cross_val_score()，对模型进行验 阅读全文

摘要： 分类与监督学习，朴素贝叶斯分类算法 1.理解分类与监督学习、聚类与无监督学习。 （1） 简述分类与聚类的联系与区别。 分类是按照某种标准给对象贴标签，再根据标签来区分归类。 聚类是指事先没有“标签”而通过某种成团分析找出事物之间存在聚集性原因的过程。 区别是，分类是事先定义好类别 ，类别数不变 。分 阅读全文

摘要： K-means算法应用：图片压缩 1、读取一张示例图片和自己准备的图片，观察图片存放数据特点，并根据图片的分辨率，可适当降低分辨率。 结果： 结果： 结果： 2、再用k均值聚类算法，将图片中所有的颜色值做聚类，然后用聚类中心的颜色代替原来的颜色值，形成新的图片。 结果： 结果: 结果： 3、观察原始 阅读全文

摘要： 聚类--K均值算法：自主实现与sklearn.cluster.KMeans调用 1.用python实现K均值算法 K-means是一个反复迭代的过程，算法分为四个步骤:（x,k,y) 结果： 2. 鸢尾花花瓣长度数据做聚类并用散点图显示。 结果： 3. 用sklearn.cluster.KMeans 阅读全文

摘要： numpy统计分布显示 1、计算鸢尾花花瓣长度的最大值，平均值，中值，均方差。 结果： 2、用np.random.normal()产生一个正态分布的随机数组，并显示出来。 结果： 3、np.random.randn()产生一个正态分布的随机数组，并显示出来。 结果： 4、显示鸢尾花花瓣长度的正态分布 阅读全文

摘要： numpy数据集练习(运用jupyter notebook) 1. 导入scipy，numpy，sklearn包 2. 从sklearn包自带的数据集中读出鸢尾花数据集data 3.查看data类型，包含哪些数据 运行结果： 4.取出鸢尾花特征和鸢尾花类别数据，查看其形状及数据类型 运行结果： 5. 阅读全文

摘要： 问题： 数列： a = a1,a2,a3,·····,an b = b1,b2,b3,·····,bn 求： c = a12+b13,a22+b23,a32+b33,·····+an2+bn3 1.用列表+循环实现，并包装成函数 代码： 运行结果： 2.用numpy实现，并包装成函数 代码： 运行结 阅读全文