asymptote

摘要： 一、boston房价预测 1. 读取数据集 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。 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。 5. 比较线性模型与非线性模型的性能，并说明原因。 二、中文文本分类 按学号未位 阅读全文

摘要： 1. 导入boston房价数据集 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。 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。 4. 一元多项式回归模型，建立一个变量与房价之间的预测模型，并图形化显示。 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： 分类与监督学习，朴素贝叶斯分类算法 简述分类与聚类的联系与区别。 2. 简述什么是监督学习与无监督学习。 朴素贝叶斯分类算法实例 利用关于心脏情患者的临床数据集，建立朴素贝叶斯分类模型。 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：–心梗–不稳定性 阅读全文

摘要： from sklearn.datasets import load_sample_image import matplotlib.pyplot as plt from sklearn.cluster import KMeans import numpy as np flower=load_sample_image('flower.jpg')#原始图片 plt.imshow(flower) plt... 阅读全文

摘要： import numpy as np x = np.random.randint(1, 100, 20) # 产生的20个一到一百的随机整数 y = np.zeros(20) k = 3 print(x) print(y) def initcenter(x, k): # 初始化聚类中心数组 return x[0:k].reshape(k) kc = initcenter(x, k... 阅读全文

摘要： 第五次作业 一、处理日期时间 第五次作业 一、处理日期时间 取系统时间 转换成‘2017年9月30日星期六10时28分56秒’格式字符串 ’2018-10-25 22:00‘转换成一个日期时间变量 计算两者的间隔 二、问题： 数列： a = a1,a2,a3,·····,an b = b1,b2,b 阅读全文

摘要： 一、处理日期时间 取系统时间 转换成‘2017年9月30日星期六10时28分56秒’格式字符串 ’2018-10-25 22:00‘转换成一个日期时间变量 计算两者的间隔 二、问题： 数列： a = a1,a2,a3,·····,an b = b1,b2,b3,·····,bn 求： c = a12 阅读全文

摘要： q = open('遇见.txt', 'r', encoding='utf-8').read() wordsls = jieba.lcut(q) wcdict = {} for word in wordsls: if len(word) == 1: continue else: wcdict[word] = wcdict.get(word, 0) ... 阅读全文

摘要： 列表，元组，字典，集合的遍历： 1.练习： 总结列表，元组，字典，集合的联系与区别。 列表，元组，字典，集合的遍历。 2.英文词频统计： 下载一首英文的歌词或文章str 分隔出一个一个的单词 list 统计每个单词出现的次数 dict 阅读全文