摘要：
import numpy as np import matplotlib.pyplot as plt from sklearn import datasets # 获取数据 boston = datasets.load_boston() X = boston.data y = boston.targ 阅读全文
摘要：
衡量回归算法的标准 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets 波士顿房产数据 boston = datasets.load_boston() x = boston.data[:, 5 阅读全文
摘要：
import numpy as np import matplotlib.pyplot as plt from sklearn import datasets 获取数据 boston = datasets.load_boston() X = boston.data y = boston.target 阅读全文
摘要：
实现 Simple Linear Regression import numpy as np import matplotlib.pyplot as plt x = np.arange(1, 6, dtype=float) y = np.array([1., 3., 2., 3., 5.]) plt 阅读全文
摘要：
import numpy as np from sklearn import datasets iris = datasets.load_iris() X = iris.data y = iris.target X[:10,:] array([[5.1, 3.5, 1.4, 0.2], [4.9, 阅读全文
摘要：
import numpy as np import matplotlib.pyplot as plt 最值归一化 x = np.random.randint(0,100,size=100) np.mean(x),np.std(x) (50.16, 28.943641788828167) x1 = ( 阅读全文
摘要：
import numpy as np import matplotlib import matplotlib.pyplot as plt from sklearn import datasets from sklearn.model_selection import train_test_split 阅读全文
摘要：
digits 手写数据测试 import numpy as np import matplotlib import matplotlib.pyplot as plt from sklearn import datasets from sklearn.model_selection import tr 阅读全文
摘要：
导入库 import numpy as np from sklearn import datasets import matplotlib.pyplot as plt 导入数据 iris = datasets.load_iris() 数据准备 X = iris.data y = iris.targe 阅读全文
摘要：
1、将数据分为测试数据和预测数据 2、数据分为data和target，data是矩阵，target是向量 3、将每条data（向量）绘制在坐标系中，就得到了一系列的点 4、根据每条data的target的不同，给点赋予不同的颜色 5、当新数据来到时，比如只有一条数据，将新数据绘制在坐标系中，就得到了 阅读全文