luckyyaoyao

摘要： 第三章作业做错的题 1.区分gallery和template： galley（画廊）的定义：gallery就是提前展示一些备选项additional，alternative的效果 所以选D galleries template定义： template（模版）的定义： 基于你的选择提供预设计样式、布局 阅读全文

摘要： 第四章决策树实验 核心：sklearn库使用！ 1.基于ID3算法的决策树（解决葡萄酒分类问题） 信息增益 from sklearn.tree import DecisionTreeClassifier #导入决策树 from sklearn.model_selection import train 阅读全文

摘要： 第四章决策树课堂测试 解： 泛化误差又叫估计误差：在新样本（测试样本）上的误差 经验误差又叫训练误差：在训练集上误差 误差：指的是模型输出（predict）与样本的真实标签之间的差异 所以选B 解： 选C 因为基于ID3的决策树是不能处理连续数据 但是基于C4.5或cart算法的决策树是可以处理离散 阅读全文

摘要： 第三题：命令行程序 考点：模拟 c++里面按空格切分字符串方法如下： 下面是将str字符串按空格切分然后将结果放进字符串数组ops //以空格切分 stringstream ssin(str); vector<string> ops; while(ssin >> str) ops.push_back 阅读全文

摘要： 第五题：最优配餐 考点：多源bfs 当权重（每条边开销为1）的最短路问题可以用bfs 做法：将每个分店先入队，然后依次对每个分店向前后左右走，只要能到达客户那里那么当前饭店就是距离客户最近的饭店，满足了这个客户以后要对这个用户标注不重复遍历。 算法思想： #include<bits/stdc++.h 阅读全文

摘要： hdfs里场景shell命令 阅读全文

摘要： 第三章KNN算法实现实验拓展 2．编写代码，实现对iris数据集的KNN算法分类及预测，要求： （1）数据集划分为测试集占20%； （2）n_neighbors=5； （3）评价模型的准确率； （4）使用模型预测未知种类的鸢尾花。 关键：划分数据 代码： from sklearn.neighbors 阅读全文

摘要： 1.等水平正交表 每个条件下的种类一样多 例1： 这是一个7因子2状态 列表里内部每一个[]表示一个因子，然后每个因子都有2种类型 #7因子2状态 from allpairspy import AllPairs parameters = [ ["Chrome", "Firefox"],#因子1有"C 阅读全文

摘要： 线性回归 一元： （1）手工最小二乘法 import numpy as np a=np.loadtxt("homespace_price",delimiter=',',dtype=float) homespace=a[:,0] price=a[:,1] x_avg=np.average(homesp 阅读全文

摘要： 基于输入域的方法 一.边界值法 例题1： 解： 输入域：姓名，年龄 等价类划分： 对于姓名：(字符长度） 边界点：1,20 测试数据：0,1,2,19,20,21 对于年龄： 边界点：18,60 测试数据：17,18,19,59,60,61 测试用例：（6+6=12个） ID 姓名 年龄 预期结果 阅读全文