会员
周边
众包
新闻
博问
闪存
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
MINATSU
博客园
|
首页
|
新随笔
|
新文章
|
联系
|
订阅
|
管理
2018年12月20日
期末大作业
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。 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。 如果模型是参数的线性函数,并
阅读全文
posted @ 2018-12-20 11:11 MINATSU
阅读(255)
评论(0)
推荐(0)
编辑
2018年12月6日
w14
摘要: 1. 导入boston房价数据集 from sklearn.datasets import load_boston from sklearn.datasets import load_boston boston = load_boston() boston.keys() print(boston.D
阅读全文
posted @ 2018-12-06 11:30 MINATSU
阅读(326)
评论(0)
推荐(0)
编辑
w13
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
posted @ 2018-12-06 09:36 MINATSU
阅读(243)
评论(0)
推荐(0)
编辑
2018年11月22日
w12
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 from sklearn import datasets iris = datasets.load_iris() from sklearn.naive_bayes import GaussianNB g
阅读全文
posted @ 2018-11-22 09:33 MINATSU
阅读(353)
评论(1)
推荐(0)
编辑
2018年11月18日
w11
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(Categorization or Classification)就是按照某种标准给对象贴标签(label),再根据标签来区分归类。简单地说,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。
阅读全文
posted @ 2018-11-18 21:07 MINATSU
阅读(381)
评论(0)
推荐(0)
编辑
2018年11月5日
w9
摘要: 1.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。 2.根据图片的分辨率,可适当降低分辨率。 3. 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。 4. 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文件,观察文件
阅读全文
posted @ 2018-11-05 18:32 MINATSU
阅读(894)
评论(0)
推荐(0)
编辑
2018年10月28日
w8
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
posted @ 2018-10-28 15:06 MINATSU
阅读(618)
评论(0)
推荐(0)
编辑
2018年10月21日
w7
摘要: 用np.random.normal()产生一个正态分布的随机数组,并显示出来。 np.random.randn()产生一个正态分布的随机数组,并显示出来 计算鸢尾花花瓣长度的最大值,平均值,中值,均方差 先取出花瓣长度数据 显示鸢尾花花瓣长度的正态分布图,曲线图,散点图。 正态分布图 曲线图 散点图
阅读全文
posted @ 2018-10-21 18:32 MINATSU
阅读(509)
评论(0)
推荐(0)
编辑
2018年10月14日
w6
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 iris_target = data.targetiris_target 5.取出所有花的
阅读全文
posted @ 2018-10-14 10:32 MINATSU
阅读(511)
评论(0)
推荐(0)
编辑
2018年9月29日
w5
摘要: 1.用列表+循环实现,并包装成函数 2.用numpy实现,并包装成函数 输出 3.对比两种方法实现的效率,给定一个较大的参数n,用运行函数前后的timedelta表示。
阅读全文
posted @ 2018-09-29 11:38 MINATSU
阅读(405)
评论(0)
推荐(0)
编辑
下一页
公告