05 2020 档案

13-垃圾邮件分类2
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 @ 2020-05-22 12:27 Chaiyeh 阅读(141) 评论(0) 推荐(0)
12.朴素贝叶斯-垃圾邮件分类
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 import csv file_path = r".\SMSSpamCollection" sms = open(file_path, 'r', encoding='utf-8') csv_reader = csv.reader(s 阅读全文
posted @ 2020-05-15 10:13 Chaiyeh 阅读(238) 评论(0) 推荐(0)
11.分类与监督学习，朴素贝叶斯分类算法
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。 分类是按照标签进行分类 聚类是将相似的放在一起 简述什么是监督学习与无监督学习。 监督学习：从标记的训练数据来判断一个功能，从正确的例子进行学习。 无监督学习：没有足够的先验知识，需要机器自己学习。 2.朴素贝叶斯分类算法 实 阅读全文
posted @ 2020-05-09 19:12 Chaiyeh 阅读(160) 评论(0) 推荐(0)
9、主成分分析
摘要：一、用自己的话描述出其本身的含义： 1、特征选择 从事物的特征中选择出一些最有效特征来降低数据集维度。 2、PCA 在减少信息损失的情况下进行降低数据维度。 二、并用自己的话阐述出两者的主要区别 特征选择后的特征还是原来特征的子集； PCA改变了特征形式，特征抽取后的新特征是原来特征的一个映射。 阅读全文
posted @ 2020-05-01 21:29 Chaiyeh 阅读(121) 评论(0) 推荐(0)