摘要: 1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() 2.图片数据预处理 x:归一化MinMaxScaler() y:独热编码OneHotEncoder()或to_categorical 训练集测试集划分 阅读全文
posted @ 2020-06-09 22:00 土块 阅读(169) 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。 人工智能包含了机器学习,机器学习包含了深度学习,其中人工智能出现得最早。举例而言,如果想让机器区分一张图片中是猫还是狗,我们可以使用人工智能来解决,那么如何区分则可以使用机器学习的方法,通过对大量猫和狗的图片数据进行学习,经过算法处理生成模型, 阅读全文
posted @ 2020-06-01 22:16 土块 阅读(137) 评论(0) 推荐(0) 编辑
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
posted @ 2020-05-24 18:37 土块 阅读(162) 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 from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all" import cs 阅读全文
posted @ 2020-05-17 21:34 土块 阅读(167) 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。 聚类分析是研究如何在没有训练的条件下把样本划分为若干类。 在分类中,已知存在哪些类,即对于目标数据库中存在哪些类是知道的,要做的就是将每一条记录分别属于哪一类标记出来。 联系:聚类需要解决的问题是将已给定的若干无标记的模式聚集 阅读全文
posted @ 2020-05-11 17:17 土块 阅读(162) 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 根据需求,选择具有价值的样本特征,即减少不必要的样本特征。 减少特征具有重要的现实意义,不仅减少过拟合、减少特征数量(降维)、提高模型泛化能力,而且还可以使模型获得更好的解释性,增强对特征和特征值之间的理解,加快模型的训练速度,一般的,还会获得更好的 阅读全文
posted @ 2020-04-29 12:08 土块 阅读(328) 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) 在训练数据不够多时,或者overtraining时,常常会导致overfitting(过拟合)。其直观的表现如下图所示,随着训练过程的进行,模型复杂度增加,在training data上的error渐渐减小,但是在 阅读全文
posted @ 2020-04-27 10:05 土块 阅读(157) 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) 2、将结果截图 源代码: from sklearn.feature_selection import Varianc 阅读全文
posted @ 2020-04-27 09:29 土块 阅读(154) 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? 逻辑回归又称逻辑回归分析,是一种广义的线性回归分析模型,常用于数据挖掘,疾病自动诊断,经济预测等领域。例如,探讨引发疾病的危险因素,并根据危险因素预测疾病发生的概率等。 一、性质不同 1、逻辑回归:知是一种广义的线性回归分析模型。 阅读全文
posted @ 2020-04-24 14:40 土块 阅读(125) 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 回归算法可以进行房屋价格预测、销售额预测、银行贷款额度的预测 线性回归算法基于矩阵: 矩阵和数组: 算法与真实值存在误差: 课堂算法部分截图: 2.思考线性回归算法可以用来做什么?(大家尽量不要写重复) 根据现有的天气变化 阅读全文
posted @ 2020-04-22 14:20 土块 阅读(175) 评论(0) 推荐(0) 编辑