摘要：
一、选题与意义 1.Hadoop平台应用 2.Kaggle分析数据项目 简要说明理由与意义。 二、实践方案 简要说明理由。 第一题，简单适合我。 三、实践任务分解 根据所选的题目，明确实验步骤，分解任务到每天。 四、实践计划 按任务分解撰写计划表，每天按计划表开展工作。 第天根据实际情况更新计划表， 阅读全文
|
摘要：
一、选题与意义 1.Hadoop平台应用 2.Kaggle分析数据项目 简要说明理由与意义。 二、实践方案 简要说明理由。 第一题，简单适合我。 三、实践任务分解 根据所选的题目，明确实验步骤，分解任务到每天。 四、实践计划 按任务分解撰写计划表，每天按计划表开展工作。 第天根据实际情况更新计划表， 阅读全文
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
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。 人工智能是目的，机器学习是方式，深度学习技术。 2. 全连接神经网络与卷积神经网络的联系与区别。 卷积神经网络也是通过一层一层的节点组织起来的。和全连接神经网络一样，卷积神经网络中的每一个节点就是一个神经元。在全连接神经网络中，每相邻两层之间的 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 2.邮件预处理 邮件分句 句子分词 大小写，标点符号，去掉过短的单词 词性还原：复数、时态、比较级 连接成字符串 2.1 传统方法来实现 2.2 nltk库的安装与使用 pip install nltk import nltk nl 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。 分类与聚类都是分开几类，分类是根据历史经验，已知类别，监督学习，聚类是自己分析现有数据，无监督学习 监督学习利用历史数据分类，把已有数据代入。无监督学习是没有样本，将已有数据分类 2.朴素贝叶 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 根据自身选择，筛选对应的数据 2、PCA 主成分分析，机器自动筛选，应用于特征成百上千的时候，数据改变，特征数量减少 二、并用自己的话阐述出两者的主要区别 特征选择是人为主观意识筛选，而PCA是通过机器自动筛选 特征选择后数据不会改变，PCA降维后数 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 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） 将多余特征前的系数无限接近于0，使得多余特征无影响。 2.用logiftic回归来进行实践操作，数据不限。 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？ 处理分类问题，与线性回归相比，线性回归是连续型，损失函数不一样，只能通过梯度下降求解。 2.自述一下什么是过拟合和欠拟合？ 过拟合是过度寻找特征，欠拟合是特征太少。 3.思考一下逻辑回归的应用场景有哪些？ 网上医生断症，将城市分类 阅读全文
|