摘要：
中文文本分类 阅读全文
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。 阅读全文
摘要：
import csv file_path=r'E:\SMSSpamCollectionjsn.txt' sms = open(file_path,'r',encoding='utf-8') sms_data = [] sms_label = [] csv_reader = csv.reader(sms,delimiter='\t') # 将数据分别存入数据列表和目标分类列表 for line i... 阅读全文
摘要：
1.使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证 3. 垃圾邮件分类 阅读全文
摘要：
1.理解分类与监督学习、聚类与无监督学习 1）、简述分类与聚类的联系与区别。 分类——分类是根据文本的特征或属性，划分到已有的类别中。也就是说，这些类别是已知的，通过对已知分类的数据进行训练和学习，找到这些不同类的特征，再对未分类的数据进行分类。 聚类——聚类是事先不知道数据会分为几类，通过分析将数 阅读全文
摘要：
import numpy as np x = np.random.randint(1,60,[30,1]) y = np.zeros(20) k = 3 #1选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心； def initcen(x,k): return x[:k] #2对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们分到距离它们最... 阅读全文
摘要：
#安装scipy，numpy，sklearn包 import numpy as np #从sklearn包自带的数据集中读出鸢尾花数据集data from sklearn.datasets import load_iris iris = load_iris() #查看data类型，包含哪些数据 print(type(iris)) #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 print... 阅读全文
摘要：
1. 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 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 阅读全文