摘要：
# 训练模型 # 损失函数:categorical_crossentropy,优化器:adam ,用准确率accuracy衡量模型 model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy' 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。 人工智能是机器诠释的人类智能，是机器学习和深度学习后想实现的结果和目的，机器学习是实现人工智能的方法，深度学习是机器学习算法中的一种算法，一种实现机器学习的技术和学习方法。 2. 全连接神经网络与卷积神经网络的联系与区别。 卷积神经网络和全连接 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。 数据集下载： http://archive.ics.uci.edu/ml/datasets/SMS+Spam+Collection 列表 numpy数组 2.邮件预处理 邮件分句 名子分词 去掉过短的单词 词性还原 连接成字符串 传统方法来实现 impo 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： （1）分类和聚类： 联系： 分类和聚类都是把每一条记录归应到相应的类别里，都包含这一过程，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，二者都用到了NN算法。 区别： 1）分类 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 根据实际情况需要筛选出符合模型训练的特征，只是从一堆特征里单纯挑出需要的特征，没有对这些特征进行过修改和降维，形成新的特征 2、PCA 主成分分析PCA，他会根据特征数据的规律和主要成分将特征自动降维成更具代表性，更简洁的数据，降低数据的冗余量，使不 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？ （1）首先什么是过拟合？ 过拟合是指训练模型时过于严格，学习能力太强，导致训练出的模型过于复杂，学习到了很多无关紧要的特征，过度拟合的问题通常发生在变量（特征）过多的时候。这种情况下训练出的方程总是能很好的拟合训练数据，此时的代价函数可能 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） 算法运用： from sklearn.feature_selection import VarianceThresh 阅读全文
摘要：
1.什么是逻辑回归，与线性回归对比，有什么不同？ 逻辑回归：逻辑回归又称logistic回归分析，它将数据拟合到一个logit函数或者是logistic函数中，从而能够完成对事件发生的概率进行预测，它使用一个Sigmoid函数来归一化y值，使y的取值在区间(0,1)内，是解决二分类问题的利器。 公式 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）本节课的内容思维导图 监督学习：可以用于映射出该实例的类别。 无监督学习：我们只知道特征，并不知道答案，不同的实例具有一定的相似性，把那些相似的聚集在一起。 （2）回归与分类的区别 回归与分类的区别最主要是要看预测 阅读全文