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

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

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 from sklearn import datasets iris = datasets.load_iris() from sklearn.naive_bayes import GaussianNB g 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(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

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

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： 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

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

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