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。 二、中文文本分类 分别建立中 阅读全文
摘要：
回归模型与房价预测 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。 #导入房价数据集 from sklearn.datasets impor 阅读全文
摘要：
朴素贝叶斯应用：垃圾邮件分类 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 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 数据准备： 用csv读取邮件数据，分解出邮件类别及邮 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。 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，通过分析将数据或 阅读全文
摘要：
K-means算法应用：图片压缩 读取一张示例图片或自己准备的图片，观察图片存放数据特点。 根据图片的分辨率，可适当降低分辨率。 再用k均值聚类算法，将图片中所有的颜色值做聚类。 然后用聚类中心的颜色代替原来的颜色值。 形成新的图片。 观察原始图片与新图片所占用内存的大小。 将原始图片与新图片保存成 阅读全文
摘要：
聚类--K均值算法：自主实现与sklearn.cluster.KMeans调用 1.用python实现K均值算法 K-means是一个反复迭代的过程，算法分为四个步骤：（x,k,y) 2. 鸢尾花花瓣长度数据做聚类并用散点图显示。 3. 用sklearn.cluster.KMeans，鸢尾花花瓣长度 阅读全文
摘要：
numpy统计分布显示 1、计算鸢尾花花瓣长度的最大值，平均值，中值，均方差。 import numpy as np from sklearn.datasets import load_iris data = load_iris() petal_length = data['data'][:,2] 阅读全文
摘要：
numpy数据集练习（10.11） 1.安装scipy，numpy，sklearn包 2. 从sklearn包自带的数据集中读出鸢尾花数据集data 3.查看data类型，包含哪些数据 运行结果： 4.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 运行结果： 5.取出所有花的花萼长度(cm) 阅读全文
摘要：
numpy数组及处理：效率对比 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 阅读全文