郑点水

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。 答：机器学习是现在人工智能领域中主流的一种方法，除了机器学习，科学家也尝试过其他方法在人工智能领域进行诠释和发展，而深度学习则是机器学习里面主流的方法。他们的关系不是互相独立，而是一环套着一环。 2. 全连接神经网络与卷积神经网络的联系与区别。 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 代码: 运行截图： 2.邮件预处理 邮件分句 名子分词 去掉过短的单词 词性还原 连接成字符串 传统方法来实现 nltk库的安装与使用 pip install nltk import nltk nltk.download() # s 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。 简述什么是监督学习与无监督学习。 答：分类与聚类的联系与区别：两者联系为，都是为了将相似数据划分为区别与其他数据的一类，而且他们的都包含相同的过程，对于想要分析的目标点，都会在数据集中寻找离他最近的点，即都用到NN算法。 两者 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 2、PCA 二、并用自己的话阐述出两者的主要区别 答：一、特征选择就是特征降维中进行人工选择的方式，主观性剔除不要的特征。而PCA则是特征降维中除了特征选择的另一种降维方法，中文名为主成分分析技术，他的作用是尽可能降低原数据的维数，简化数据。 二、两 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、将结果截图放上来（没有条件的备注说明原因）注意：每个人的电脑ID是不一样的 方差为1时： 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） 答：算法层面可以通过正则化来防止，数据层面可以通过加大样本量或者通过特征选择减少特征量,过拟合归根结底就是是太过贴近于训练数据的特征了，正则化中的L1正则便是通过增大正值向降低模型复杂度，L2正则则是通过使参数趋于 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？ 答：逻辑回归（Logistic Regression）是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性。本质上讲，逻辑回归处理的是分类问题，而线性回归处理的是回归问题， 2.自述一下什么是过拟合和欠 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 回归和分类的区别： 多元线性回归和一元线性回归的区别： 线性回归算法的策略和优化 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） 答：线性回归算法除了上课时提到的预测房价，预测销售额，预测贷款额度之外，它也可以 阅读全文