摘要：
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。 一个模型如果是线性的，就意味着它 阅读全文
摘要：
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。 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件 阅读全文
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 分类就是按照某种标准给对象贴标签再根据标签来区分归类。 聚类是指事先没有“标签”而通过某种成团分析找出事物之间存在聚集性原因的过程。 区别：分类是事先定义好类别 ，类别数不变 。分类器需要由人工标注的分类训练语料训练得到，属 阅读全文
摘要：
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。 from sklearn.datasets import load_sample_imagefro 阅读全文
摘要：
x = np.random.randint(1,50,[20,1]) y = np.zeros(20) k = 3 def initcenter(x,k): return x[:k] kc = initcenter(x,k) kc def nearest(kc,i): d=(abs(kc-i)) w 阅读全文
摘要：
# 导包 import numpy as np # 导入鸢尾花数据 from sklearn.datasets import load_iris data = load_iris() pental_len = data.data[:,2] # 计算鸢尾花花瓣长度的最大值，平均值，中值，均方差 print("最大值：",np.max(pental_len)) print("平均值：",np.m... 阅读全文
摘要：
提交作业 提交作业 (1)安装scipy，numpy，sklearn包 import numpy from sklearn.datasets import load_iris (2)从sklearn包自带的数据集中读出鸢尾花数据集data data = load_iris() (3)查看da 阅读全文