刘惠玲

第十三次作业——回归模型与房价预测&第十一次作业——sklearn中朴素贝叶斯模型及其应用&第七次作业——numpy统计分布显示

摘要：第十三次作业——回归模型与房价预测 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阅读全文

posted @ 2018-12-20 20:01 刘惠玲阅读(756) 评论(0) 推荐(0) 编辑

期末大作业

摘要：一.回归模型与房价预测要求： 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，阅读全文

posted @ 2018-12-20 18:20 刘惠玲阅读(270) 评论(0) 推荐(0) 编辑

第十三次作业——回归模型与房价预测

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。 #导入bosto 阅读全文

posted @ 2018-12-13 11:01 刘惠玲阅读(222) 评论(0) 推荐(0) 编辑

朴素贝叶斯应用：垃圾邮件分类

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

posted @ 2018-12-05 17:31 刘惠玲阅读(706) 评论(0) 推荐(0) 编辑

第十次作业——分类与监督学习，朴素贝叶斯分类算法

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。答：联系：聚类属于无监督学习，即模型训练过程中没有被目标标签监督。而分类属于监督学习，即其训练数据都标记了需要被预测的真实值。在很多情况下，聚类模型等价于分类模型的无监督形式。区别：分类是事先定义好类别，类别数不变。分类阅读全文

posted @ 2018-11-18 21:37 刘惠玲阅读(444) 评论(0) 推荐(0) 编辑

第九次作业——K-means算法应用：图片压缩

摘要：一.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。运行结阅读全文

posted @ 2018-11-07 11:44 刘惠玲阅读(195) 评论(0) 推荐(0) 编辑

第七次作业——numpy统计分布显示

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。显示鸢尾花花瓣长度的正态分布图，曲线图，散点图。 import numpy as np # 导入鸢尾花数据 from sklearn.datas 阅读全文

posted @ 2018-11-07 11:02 刘惠玲阅读(92) 评论(0) 推荐(0) 编辑

第六次作业———numpy数据集练习

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

posted @ 2018-11-07 10:41 刘惠玲阅读(159) 评论(0) 推荐(0) 编辑

第八次作业：聚类--K均值算法：自主实现与sklearn.cluster.KMeans调用

摘要：运行结果二.鸢尾花花瓣长度数据做聚类并用散点图显示运行结果阅读全文

posted @ 2018-10-28 23:09 刘惠玲阅读(128) 评论(1) 推荐(0) 编辑

第五次作业

摘要： a = a1,a2,a3,·····,an b = b1,b2,b3,·····,bn 求：c = a12+b13,a22+b23,a32+b33,·····+an2+bn3 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。 3.对比两种方法实现的效率，给定一个较大的参数n 阅读全文

posted @ 2018-09-29 11:53 刘惠玲阅读(106) 评论(0) 推荐(0) 编辑

导航

公告