03 2025 档案
摘要：第三章KNN算法实现实验拓展 2．编写代码，实现对iris数据集的KNN算法分类及预测，要求： （1）数据集划分为测试集占20%； （2）n_neighbors=5； （3）评价模型的准确率； （4）使用模型预测未知种类的鸢尾花。 关键：划分数据 代码： from sklearn.neighbors
阅读全文
摘要：1.等水平正交表 每个条件下的种类一样多 例1： 这是一个7因子2状态 列表里内部每一个[]表示一个因子，然后每个因子都有2种类型 #7因子2状态 from allpairspy import AllPairs parameters = [ ["Chrome", "Firefox"],#因子1有"C
阅读全文
摘要：线性回归 一元： （1）手工最小二乘法 import numpy as np a=np.loadtxt("homespace_price",delimiter=',',dtype=float) homespace=a[:,0] price=a[:,1] x_avg=np.average(homesp
阅读全文
摘要：基于输入域的方法 一.边界值法 例题1： 解： 输入域：姓名，年龄 等价类划分： 对于姓名：(字符长度） 边界点：1,20 测试数据：0,1,2,19,20,21 对于年龄： 边界点：18,60 测试数据：17,18,19,59,60,61 测试用例：（6+6=12个） ID 姓名 年龄 预期结果
阅读全文
