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。 如上图可知，非线性模型的性能比 阅读全文

摘要： data值 target值 feature_names值 DESCR值 w,b值 阅读全文

摘要： text = '"Go until jurong point, crazy.. Available only in bugis n great world la e buffet... Cine there got amore wat..."' import nltkfrom nltk.corpus 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 多项式型 伯努利型 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： 用csv读取邮件数据，分解出邮件类别及邮 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。 分类是指在对数据集分类时，我们知道这个数据集是有多少种类的。 聚类是将数据对象的集合分成相似的对象类的过程，使得同一个簇（或类）中的对象之间具有较高的相似性，而不同簇中的对象具有较高的相异性。即指在对数据集操作时，我们是不知道 阅读全文

摘要： 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文件，观察文件的大小。 from 阅读全文

摘要： import numpy as np x = np.random.randint(1,100,[20,1]) y = np.zeros(20) k = 3 #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): #初始聚类中心数组 return x[0:k].reshape(k) #对于样本中的数据对象，根据它们与这些... 阅读全文

摘要： 计算鸢尾花花瓣长度的最大值，平均值，中值，均方差。 阅读全文

摘要： import numpy as np import matplotlib.pyplot as plt mu = 1 #期望为1 sigma = 3 #标准差为3 num = 10000 #个数为10000 rand_data = np.random.normal(mu, sigma, num) print(rand_data.shape,type(rand_data)) count,... 阅读全文

摘要： 运行结果： 阅读全文