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。 3. 垃圾邮件分类 数据准备： 用csv读取邮件数据，分解出邮件类别及邮 阅读全文

摘要：给定一个链表，删除链表的倒数第 n 个节点，并且返回链表的头结点。 示例： 说明： 给定的 n 保证是有效的。 进阶： 你能尝试使用一趟扫描实现吗？ 思路: 定义三个指针, p扫描整个链表，定位到最后一个元素 q定位 倒数第n个元素 node 第n-1个元素 如上图,删除q结点使用 node.nex 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。 2.朴素贝叶斯分类算法 实例 利用关于心脏情患者的临床数据集，建立朴素贝叶斯分类模型。 有六个分类变量(分类因子)：性别，年龄、KILLP评分、饮酒、吸烟、住院天数 目标分类变量疾病：–心梗– 阅读全文

摘要：1. 用K-means算做图片压缩 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。 根据图片的分辨率，可适当降低分辨率。 再用k均值聚类算法，将图片中所有的颜色值做聚类。 然后用聚类中心的颜色代替原来的颜色值。 形成新的图片。 观察原始图片与新图片所占用内存的大小。 将原始图片与新图片保存 阅读全文

摘要：1. 安装scipy，numpy，sklearn包 2. 从sklearn包自带的数据集中读出鸢尾花数据集data 3.查看data类型，包含哪些数据 4.取出鸢尾花特征和鸢尾花类别数据，查看其形状及数据类型 5.取出所有花的花萼长度(cm)的数据 6.取出所有花的花瓣长度(cm)+花瓣宽度(cm) 阅读全文

摘要：K-means是一个反复迭代的过程，算法分为四个步骤： 1） 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心； 2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们分到距离它们最近的聚类中心（最相似）所对应的类； 3） 更新聚类中心：将每个类别中所有对 阅读全文