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。 运行结果： 运行结果： 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。 运行结果： 运行结果： 5. 比较线性模型与非线性模型的 阅读全文

摘要： 回归模型与房价预测 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： 朴素贝叶斯应用：垃圾邮件分类 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 阅读全文

摘要： sklearn中的朴素贝叶斯模型及其应用 1.使用朴素贝叶斯模型对iris数据集进行花分类 高斯分布型 运行结果： 多项式型 运行结果： 伯努利型 运行结果： 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： 阅读全文

摘要： 分类与监督学习，朴素贝叶斯分类算法 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。 联系：分类与聚类都是对对象的一种划分。 分类是我们给对象分为几个类。聚类是我们把相似的东西集中在一起。 分类要事先定义好类别 ，类别数不变 。聚类的类别是在聚类过程中自动生成的。 分类器的构 阅读全文

摘要： K-means算法应用：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成 阅读全文

摘要： 1.用python实现K均值算法 K-means是一个反复迭代的过程，算法分为四个步骤： （x,k,y) 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； def initcenter(x, k): kc 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 阅读全文

摘要： numpy统计分布显示： 计算鸢尾花花瓣长度的最大值，平均值，中值，均方差。 用np.random.normal()产生一个正态分布的随机数组，并显示出来。 用np.random.randn()产生一个正态分布的随机数组，并显示出来。 显示鸢尾花花瓣长度的正态分布图，曲线图，散点图。 1.计算鸢尾花 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 运行结果： 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 运行结果： 5.取出所有花的花萼长度(cm)的数据 运行结果： 6.取出所有花 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 运行结果： 阅读全文