摘要：
一、boston房价预测 总结：比较线性模型与非线性模型的分数，可知非线性模型的性能比线性模型的性能好，因为非线性模型的参数更多，误差更少。 二、中文文本分类 阅读全文
摘要：
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：
import csv # 读数据 file_path = r'G:\PyCharm\SMSSpamCollectionjsn.txt' smsData = open(file_path,'r',encoding='utf-8') E_data = [] E_target = [] csv_reader = csv.reader(smsData,delimiter='\t') # 将数据分别存入数... 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 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。 分类是事先定义好类别，类别数不变，分类也可以称作分类器，把数据库中的数据项映射到给定类别中的某一类中。聚类是指根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组。 简述什么是监督学习与无监督学习。 监督学习：每个实例都 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。 理解贝叶斯 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 import numpy as np x = np.random.ran 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。 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。 显示鸢尾花花瓣长度的正态分布图，曲线图，散点图。 阅读全文
摘要：
#计算数组的最大值，最小值，平均值，标准差，中位数 import numpy as np a=np.array([1, 4, 2, 5, 3, 7, 9, 0]) print(a) a1=np.max(a) #最大值 print(a1) a2=np.min(a) #最小值 print(a2) a3=np.mean(a) #平均值 print(a3) a4=np.std(a) #标准差 p... 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 5.取出所有花的花萼长度(cm)的数据 6.取出所有花的花瓣长度(cm)+花瓣宽度(cm) 阅读全文