摘要： 5.线性回归算法： https://www.cnblogs.com/a132/p/13086236.html 6.逻辑归回： https://www.cnblogs.com/a132/p/13086370.html 1.手写数字数据集 from sklearn.datasets import loa 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？ 答：逻辑回归（Logistic Regression）是用于处理因变量为分类变量的回归问题，常见的是二分类或二项分布问题，也可以处理多分类问题，它实际上是属于一种分类方法。 区别： 线性回归假设响应变量服从正态分布，逻辑回归假设响 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)回归跟分类的区别： (2)线性回归的定义以及多元一次线性的方程： (3)线性回归的机器预测跟真实值是存在一定的误差的： (4)梯度下降的动态图 (5)最小二乘法的梯度下降算法的公式理解： 2.思考线性回归算法可以用来 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。 解： 联系：深度学习使得机器学习能够实现众多应用，并拓展了人工智能的领域范畴。 区别：人工智能是目的，是结果；深度学习、机器学习是方法，是工具；深度学习则是一种实现机器学习的技术；它适合处理大数据。 2. 全连接神经网络与卷积神经网络的联系与区 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 代码： import pandas as pddf = pd.read_csv('./data/SMSSpamCollection','\t',encoding='utf-8')print(df.to_numpy()) 结果： 2. 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。 答：联系：分类和聚类都包含一个过程：对于想要分析的目标点，都会在数据集中寻找离它最近的点。 区别：分类是事先定义好类别 ，类别数不变 ，常用算法是KNN算法，是一种无监督学习。 聚类则没有事先 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 2、PCA 答： 特征选择：将高维空间的样本通过映射或者是变换的方式转换到低维空间，达到降维的目的，然后通过特征选取删选掉冗余和不相关的特征来进一步降维。 PCA：主成分分析，是图像处理中经常用到的降维方法。比如：我们在处理有关数字图像处理方面的问题 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 解： 源代码： 运行结果: 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） 答：防止过拟合： 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；检查业务逻辑，判断特征有效性，是否在用结果预测结果等； 如果还过拟合，那就看看是否使用了过度复杂的特征构造工程，比如，某两个特征相乘/除/加 阅读全文