摘要：
1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() 2.图片数据预处理 x：归一化MinMaxScaler() y：独热编码OneHotEncoder()或to_categorical 训练集测试集划分 阅读全文
摘要：
1.简述人工智能、机器学习和深度学习三者的联系与区别。 人工智能包含了机器学习，机器学习包含了深度学习，其中人工智能出现得最早。举例而言，如果想让机器区分一张图片中是猫还是狗，我们可以使用人工智能来解决，那么如何区分则可以使用机器学习的方法，通过对大量猫和狗的图片数据进行学习，经过算法处理生成模型， 阅读全文
摘要：
1.读取 2.数据预处理 3.数据划分—训练集和测试集数据划分 from sklearn.model_selection import train_test_split x_train,x_test, y_train, y_test = train_test_split(data, target, 阅读全文
摘要：
1. 读邮件数据集文件，提取邮件本身与标签。 列表 numpy数组 from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all" import cs 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。 聚类分析是研究如何在没有训练的条件下把样本划分为若干类。 在分类中，已知存在哪些类，即对于目标数据库中存在哪些类是知道的，要做的就是将每一条记录分别属于哪一类标记出来。 联系：聚类需要解决的问题是将已给定的若干无标记的模式聚集 阅读全文
摘要：
一、用自己的话描述出其本身的含义： 1、特征选择 根据需求，选择具有价值的样本特征，即减少不必要的样本特征。 减少特征具有重要的现实意义，不仅减少过拟合、减少特征数量（降维）、提高模型泛化能力，而且还可以使模型获得更好的解释性，增强对特征和特征值之间的理解，加快模型的训练速度，一般的，还会获得更好的 阅读全文
摘要：
1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） 在训练数据不够多时，或者overtraining时，常常会导致overfitting（过拟合）。其直观的表现如下图所示，随着训练过程的进行，模型复杂度增加，在training data上的error渐渐减小，但是在 阅读全文
摘要：
用过滤法对以下数据进行特征选择： [[0,2,0,3], [0,1,4,3], [0,1,1,3]] 要求： 1、Variance Threshold（threshold =1.0） 2、将结果截图 源代码： from sklearn.feature_selection import Varianc 阅读全文
摘要：
1.用自己的话描述一下，什么是逻辑回归，与线性回归对比，有什么不同？ 逻辑回归又称逻辑回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。 一、性质不同 1、逻辑回归：知是一种广义的线性回归分析模型。 阅读全文
摘要：
1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性 回归算法可以进行房屋价格预测、销售额预测、银行贷款额度的预测 线性回归算法基于矩阵： 矩阵和数组： 算法与真实值存在误差： 课堂算法部分截图： 2.思考线性回归算法可以用来做什么？（大家尽量不要写重复） 根据现有的天气变化 阅读全文