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:机器学习和深度学习都是属于一个领域的一个子集。但是人工智能是机器学习的首要范畴。机器学习是深度学习的首要范畴。 机器学习:是人工智能的子领域,也是人工智能的核心。它包括了几乎所有对世界影响最大的方法(包括深度学习)。机器学习理论主要是 阅读全文
posted @ 2020-06-01 21:24 Raicho 阅读(28) 评论(0) 推荐(0) 编辑
摘要:1.读取 # 1、读取数据集 def read_dataset(): file_path = r'SMSSpamCollection' sms = open(file_path, encoding='utf-8') sms_data = [] sms_label = [] csv_reader = 阅读全文
posted @ 2020-05-25 15:16 Raicho 阅读(36) 评论(0) 推荐(0) 编辑
摘要:volatile理解 Java语言是支持多线程的,为了解决线程并发的问题,在语言内部引入了 同步块 和volatile 关键字机制。volatile具有synchronized关键字的“可见性”,volatile变量对于每次使用,线程都能得到当前volatile变量的最新值,但是没有synchron 阅读全文
posted @ 2020-05-24 11:28 Raicho 阅读(47) 评论(0) 推荐(1) 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 import csv file_path = r"SMSSpamCollection" sms = open(file_path, 'r', encoding='utf-8') data = csv.reader(sms, deli 阅读全文
posted @ 2020-05-17 12:38 Raicho 阅读(89) 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。 (1)简述分类与聚类的联系与区别。 联系:两者都是对于想要分析的目标点,都会在数据集中寻找它最近的点,即二者都用到了NN算法。 区别: 分类:从机器学习的观点,分类技术是一种有指导的监督学习,即每个训练样本的数据对象已经有类标识,通过学习可以形成表达数据对 阅读全文
posted @ 2020-05-11 15:18 Raicho 阅读(41) 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 在原始数据中,有许多特征值是一样的,比如预测鸟类,特征值为是否有翅膀,类似这些的特征是不需要的,需要剔除掉,还有特征值差异不大也需要剔除,这样可以提升准确的和预测效率,也就是降维,将高维空间的样本通过映射或者是变换的方式转换到低维空间,然后通过特征选 阅读全文
posted @ 2020-04-30 11:55 Raicho 阅读(35) 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 from sklearn.featu 阅读全文
posted @ 2020-04-27 16:09 Raicho 阅读(28) 评论(0) 推荐(0) 编辑
摘要: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? 逻辑回归是通过正规化防止过拟合的。 在训练数据不够多时,常常会导致过拟合。L2正则化就是在代价函数后面再加上一个正则化项: C0代表原始的代价函数,后面那一项就是L2正则化项, 过拟合的时候,拟合函数的系数往往非常大。所有参数w的平方的和,除 阅读全文
posted @ 2020-04-26 17:46 Raicho 阅读(53) 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? 线性回归: 线性回归是一种回归分析技术.回归分析就是利用样本(已知数据),产生拟合方程,从而对未知数据进行预测,回归在于分析自变量与因变量之间的关系。线性回归属于有监督学习,因此方法和监督学习应该是一样的,先给定一个训练集,根据这 阅读全文
posted @ 2020-04-23 15:25 Raicho 阅读(41) 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 线性回归自变量和因变量直接的关系 线性回归预测房价的误差值是表示点到线之间红色的距离 损失函数 线性回归 import random import matplotlib.pyplot as plt xs = [0.1*x 阅读全文
posted @ 2020-04-23 09:16 Raicho 阅读(20) 评论(0) 推荐(1) 编辑