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： from sklearn.datasets import load_iris iris=load_iris() from sklearn.naive_bayes import GaussianNB #高斯分布型 gnb=GaussianNB() #构造 pred=gnb.fit(iris.data,... 阅读全文

摘要：from sklearn import datasets iris=datasets.load_iris() #导入的数据是一种字典形式，特征存储在iris.data中，标签存储在iris.target中 from sklearn.datasets import load_iris #从sklearn包datasets模块导入 load_iris iris=load_iris() at... 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：给数据“贴标签”,提高认知效率,降低认知成本,对于分类来说，在对数据集分类时，我们是知道这个数据集是有多少种类的 #聚类：聚类是将数据对象的集合分成相似的对象类的过程。使得同一个簇（或类）中的对象之间具有较高的相似性，而不同簇中的对象具有较高的相异性 #简述什么是监督学... 阅读全文

摘要：from sklearn.datasets import load_sample_image from sklearn.cluster import KMeans import matplotlib.pyplot as plt import numpy as np import matplotlib.image as img #image类可以用来读或存图片 china = load_sam... 阅读全文

摘要：from sklearn.datasets import load_iris iris=load_iris() print(iris.DESCR)#显示数据集的相关描述 data=iris.data plt.plot(data[:,0],data[:,1],".")#将第一列萼片长度作为x坐标值，第二列萼片宽度作为y坐标值 plt.show() 阅读全文