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.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() 2.图片数据预处理 x：归一化MinMaxScaler() y：独热编码OneHotEncoder()或to_categorical 训练集测试集划分 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。 答： （1）人工智能是目的，是结果；深度学习、机器学习是方法，是工具； （2）机器学习，一种实现人工智能的方法；机器学习都可以被精准地定义为：1、任务T；2、训练过程E；3、模型表现P； （3）深度学习则是一种实现机器学习的技术；深度学习使得机 阅读全文

摘要： 恢复内容开始 1. 读邮件数据集文件，提取邮件本身与标签。 列表 numpy数组 import numpy as npimport csvp =r"SMSSpamCollection"sms= open(p,'r',encoding='utf-8')data=csv.reader(sms,delim 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。 对于分类来说，在对数据集分类时，我们是知道这个数据集是有多少种类的，而对于聚类来说，在对数据集操作时，我们是不知道该数据集包含多少类，我们要做的，是将数据集中相似的数据归纳在一起。 监督学习， 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 2、PCA 特征选择：是指从已有的M个特征中选择N个特征使得系统的特定指标最优化，是从原始特征中选择出一些最有效特征以降低数据集维度的过程, PCA：是一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的 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） 通过正则化来防止过拟合的，因为正则化可以通过增加新的额外信息,就是通过收缩的办法，限制模型变的越来越大，牺牲样本内误差，降低模型的误差，从而提高样本外的预测效果，防止过拟合。 2.用logiftic回归来进行实践操 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） 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

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？ 逻辑回归是一种用于解决二分类问题的机器学习方法，用于估计某种事物的可能性。逻辑回归是一种广义的线性回归分析模型，逻辑回归可以在建立了模型以后，预测在不同的情况下发生某些事情的概率有多大。 逻辑回归与线性回归的对比：逻辑回归是一种广 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 首先我们学习了线性回归算法，那什么是线性回归呢，最简单最通俗的讲就是一个一元一次方程f(x)=y，一个自变量y对应一个因变量y，如果是复杂一点的话就是下面这幅图描述的关系了，线性回归可以是一条直线，也可以是一个平面 回归和 阅读全文