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。 联系： 区别：人工智能是目的，是结果。 机器学习：一种实现人工智能的方法，可以定义为：任务、训练过程、模型表现。 深度学习：是一种实现机器学习的技术，适合处理大数据。 2. 全连接神经网络与卷积神经网络的联系与区别。 区别：在全连接神经网络中， 阅读全文
摘要：
1.读取 # 读取 path = r'C:\Users\mgx13\venv\data\SMSSpamCollection' sms = open(path, 'r', encoding='utf-8') # 数据读取 sms_data = [] sms_label = [] csv_reader 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 import csv path = r'C:\Users\mgx13\venv\data\SMSSpamCollection' sms = open(path, 'r', encoding='utf-8') csv_reader = 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：（1）联系：分类与聚类都是对对象的一种划分，两者都用到了NN算法。 区别：分类是为了确定一个点的类别，类别是已知的，常用算法是KNN算法。 聚类是为了将一系列点分成若干类，最初是没有类别的 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 从数据集的所有特征里面选择和目标变量相关的特征，删除掉不需要的特征的过程 2、PCA PCA全称主成分分析法，通常用来对数据特征进行降维，但PCA所谓的降维并不是真的砍掉某些维度，而是通过线性变换，找到一个更合适描述数据的空间。实际上是挖掘出特征间的 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） from sklearn.feature_selection import VarianceThreshold de 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） 防止过拟合方法： （1）增加样本量 （2）正则化方法 （3）进行特征选择，减少特征数，保留重要特征 （4）特征离散化处理 正则化防止过拟合原因： 求导： sgn(w)表示w的符号： 规定sgn(0)=0，当w为正时 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？ （1）逻辑回归是机器学习中的一种分类模型，在线性回归的基础上，套用了一个逻辑函数Logistic函数(logistic function)，用于估计某种事物的可能性。 （2）区别：a.线性回归是计算出具体的值，是解决回归问题；逻辑 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 线性回归的应用以及它的代码实现： 线性回归的原理： 数组和矩阵的重要特性： 对于权重的求解： 梯度下降算法原理： 梯度下降的代码实现： import random import time import matplotlib 阅读全文