摘要： 一、boston房价预测 1. 读取数据集 2. 训练集与测试集划分 3. 线性回归模型：建立13个变量与房价之间的预测模型，并检测模型好坏。 4. 多项式回归模型：建立13个变量与房价之间的预测模型，并检测模型好坏。 5. 比较线性模型与非线性模型的性能，并说明原因。 二、中文文本分类 按学号未位 阅读全文

摘要： 题目 1. 导入boston房价数据集 2. 一元线性回归模型，建立一个变量与房价之间的预测模型，并图形化显示。 3. 多元线性回归模型，建立13个变量与房价之间的预测模型，并检测模型好坏，并图形化显示检查结果。 4. 一元多项式回归模型，建立一个变量与房价之间的预测模型，并图形化显示。 阅读全文

摘要： 1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 阅读全文

摘要： 1.使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。 运行截图 截图 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。 （1）分类：给数据贴标签，通过分析已有的数据特征，对数据分成几类，已知分类结果。然后引入新数据对其归类。分类可以提高认知效率，较低认知成本。 （2）聚类：不知分类结果，通过数据一定的相似性，把那些相似的数据聚集在一起。 简述什 阅读全文

摘要： from sklearn.datasets import load_sample_image from sklearn.cluster import KMeans import matplotlib.pyplot as plt #读取一张示例图片或自己准备的图片，观察图片存放数据特点 china = load_sample_image("china.jpg") plt.imshow(china)... 阅读全文

摘要： 截图 阅读全文

摘要： #加载numpy包 import numpy #加载sklearn包 from sklearn.datasets import load_iris #读出鸢尾花数据集data data=load_iris() #鸢尾花花瓣长度的数据 petal_length=numpy.array(list(len[2] for len in data['data'])) print(petal_lengt... 阅读全文

摘要： 1、2、3 4、 5、 6、 7、 8、9 阅读全文

摘要： #a1,a2,a3 ,·····,an #b1,b2,b3 ,·····,bn #求： #a1+b1,a2+b2,a3 +b3,·····+an+bn #1、列表+循环 实现，并包装成一个函数 def pysum(m): a=list(range(m)) b=list(range(m)) c=[] 阅读全文