zxf001

摘要： 1.手写数字数据集 # 1.手写数字数据集from sklearn.datasets import load_digitsimport numpy as npdigits = load_digits() # 读取手写数字数据集 2.图片数据预处理 x：归一化MinMaxScaler() # 对X_d 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。 答:人工只能包括了机器学习和深度学习，而机器学习又包含了深度学习。人工智能是目的，是结果；深度学习、机器学习是方法，是工具；机器学习是一种实现人工智能的方法，机器学习直接来源于早期的人工智能领域。深度学习是一种实现机器学习的技术，深度学习使得机 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？ ① 逻辑回归是怎么防止过拟合的？ 答：(1) 增加样本量，这是万能的方法，适用任何模型。 (2) 如果数据稀疏，使用L1正则，其他情况，用L2要好，可自己尝试。 (3) 通过特征选择，剔除一些不重要的特征，从而降低模型复杂度。 (4) 阅读全文

摘要： 1.读取 2.数据预处理 3.数据划分—训练集和测试集数据划分 from sklearn.model_selection import train_test_split x_train,x_test, y_train, y_test = train_test_split(data, target, 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 # 读邮件数据集文件，提取邮件本身与标签 import csvsms = open('../data/SMSSpamCollection.txt', 'r', encoding='utf-8')data = csv.reader(s 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。 ① 联系：分类和聚类都包含一个过程：对于想要分析的目标点，都会在数据集中寻找离它最近的点。 ② 区别： 分类是根据已知的一些样本（包括属性与类标号）来得到分类模型（即得到样本属性与类标号之间的函数），然后通过此目标函数来对只包 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：指从全部特征中选取一个特征子集，使得使构造出来的模型效果更好，推广能力更强。如何做特征选择呢，如果要从全部特征中选择一个最优的子集，使得其在一定的评价标准下，在当前训练和测试数据上表现最好。 2、PCA：即主成分分析方法，是一种使用最广泛的数据压缩算 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） 2、将结果截图放上来（没有条件的备注说明原因）注意：每个人的电脑ID是不一样的 实验代码： from sklearn 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？ 答：(1)定义：逻辑回归（Logistic Regression）是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性。比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击的可 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 （1）本节课的学习纲领：关于线性回归学习。 （2）监督学习：关于回归与分类的理解。 （3）线性回归定义： （4）算法矩阵、数组： 数组：0/1/2/3维数组；3维数组为RGB。 矩阵：1.必须为二维数组；2.矩阵满足了特殊 阅读全文