小婷G899

摘要： 1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() #1、手写数字数据集 from sklearn.datasets import load_digits import numpy as np digit 阅读全文

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。 如下图：人工智能是最早出现的，也是最大、最外侧的同心圆；其次是机器学习，稍晚一点；最内侧，是深度学习，当今人工智能大爆炸的核心驱动。 2. 全连接神经网络与卷积神经网络的联系与区别。 卷积神经网络也是通过一层一层的节点组织起来的。和全连接神经网 阅读全文

摘要： 1.读取 2.数据预处理 3.数据划分—训练集和测试集数据划分 from sklearn.model_selection import train_test_split x_train,x_test, y_train, y_test = train_test_split(data, target, 阅读全文

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'E:\大3 学期2\机器学习\项目\datas\SMSSpamCollection' sms = open(file_path,'r',encoding='utf_8') csv_r 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。 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，属于有指导学习范畴。聚类则没有事先预定的类别，类别数不确定。 聚类不需要人工标注和预先训练分类器，类别在聚类过程中自动生成 。 简述什么是监督学 阅读全文

摘要： 一、用自己的话描述出其本身的含义： 1、特征选择 我们提取得特征中有冗余特征，对模型的性能几乎没有帮助，所以我们要选择我们对我们研究有用的特征 2、PCA 我理解的是，如果事物的主要方面刚好体现在几个主要的变量，然后我们就只要把这几个主要的变量分离出来分析，但是大多数情况下不能直接找出这些主要变量， 阅读全文

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） from sklearn.feature_selection import VarianceThreshold de 阅读全文

摘要： 1.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？（大家用自己的话介绍下） （1）增加样本量，这是万能的方法，适用任何模型 （2）通过特征选择，剔除一些不重要的特征，从而降低模型复杂度 （3） 逻辑回归特有的防止过拟合方法:进行离散化处理，所有特征都离散化 （4）算法层面-正则化： L1正 阅读全文

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？ （1）线性回归要求因变量必须是连续性数据变量；逻辑回归要求因变量必须是分类变量，二分类或者多分类的 （2）逻辑回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。线性回归是 阅读全文

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 （1）先了解回归和分类的区别 （2）线性回归可以用来做什么 （3）线性回归的定义 （4）了解矩阵，数组 （5）损失函数 2.思考线性回归算法可以用来做什么？ （1）可以处理数值型的数据，并且预测目标数据为连续型数据 （2） 阅读全文