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。 答：人工智能指的是计算机的输出。计算机正在做一些智能的事情，所以它展示的是人工智能。 机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数 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 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 nltk库的安装与使用 pip install nltk import nltk nltk.download() # sever地址改成 h 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。 答： 分类是事先定义好类别 ，类别数不变 ，属于有监督学习； 聚类则没有事先预定的类别，类别数不确定，属于非监督学习。 简述什么是监督学习与无监督学习。 答：监督学习（supervised learning）：通过已有的训练样 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 2、PCA 答：特征选择：选择部分特征当做机器学习的相关数据。 PCA：PCA是一种分析，简化数据集的技术。，是数据维数压缩，尽可能尽可能降低原数据的维数（复杂度），损失少量信息，可以消减回归分析或聚类分析中特征的数量。 二、并用自己的话阐述出两者的 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 threshold =1.0 threshold =2.0 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） 答：逻辑回归是用正则化防止过拟合的；过拟合的时候，拟合函数的系数往往非常大，而正则化是通过约束参数的范数使其不要太大，所以可以在一定程度上减少过拟合情况。 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？ 逻辑回归（Logistic Regression）是用于处理因变量为分类变量的回归问题，常见的是二分类或二项分布问题，也可以处理多分类问题，它实际上是属于一种分类方法。 区别线性回归假设响应变量服从正态分布，逻辑回归假设响应变量服 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 回归是基于已有数据对新的数据进行预测，比如预测股票走势。这里我们主要讲简单线性回归。基于标准的线性回归，可以扩展出更多的线性回归算法。 线性回归就是能够用一个直线较为精确地描述数据之间的关系，这样当出现新的数据的时候，就能 阅读全文