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。 # 多元线性回归模型 fro 阅读全文
摘要：
#导入boston房价数据集from sklearn.datasets import load_bostonimport pandas as pd boston = load_boston()df = pd.DataFrame(boston.data) #一元线性回归模型，建立一个变量与房价之间的预 阅读全文
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
摘要：
二、问题： 数列： a = a1,a2,a3,·····,an b = b1,b2,b3,·····,bn 求： c = a12+b13,a22+b23,a32+b33,·····+an2+bn3 import numpy as np a = list(range(0,1000000)) b = l 阅读全文
摘要：
fo= open('C:\Users\Administrator\Desktop','r',encoding="utf-8") #从同一目录下读取文件 strgc = fo.read() #小写 fo.close() print(strgc) seq ='.,' for ch in seq: str 阅读全文