1.python基础的准备 本课程拟采用Python做为机器算法应用的实现语言，所以请确保: 1）安
读邮件数据集文件，提取邮件本身与标签。 列表 numpy数组 """ @author Rakers""" import p
机器学习数学部分常用相关概念: 高等数学 1）函数 2）极限 3）导数 4）极值和最值 5）泰勒级数
机器学习的步骤 数据，模型选择，训练，测试，预测 安装机器学习库sklearn pip list 查看版本
手写数字数据集 # 导入手写数据集 from sklearn.datasets import load_digits data = load_digits()
人工智能、机器学习和深度学习三者的联系与区别 人工智能（Artificial intelligence）简称AI
读取 def read_dataset(file_path='../data/SMSSpamCollection'): """ 读取数据集 :retur
的是数值型的样本，使用回归，可以在给定输入的时候
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。 分类任务就是通过学习得到一个目标函数f，把每个属性集x映射到一个预先定义的类标号y中。分类是根据一些给定的已知类别标号的样本，训练某种学习机器（即得到某种目标函数），使它能够对未知类别的样本进行分类。这属于supervised learning（监督学习）。通过学习来得到样本属性与类标号之间的关系。 用自己的话来说
描述出其本身的含义特征选择 特征选择对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能，更能帮助我们理解数据的特点、底层结构，这对进一步改善模型、算法都有着重要作用。特征选择主要有两个功能：(1)减少特征数量、降维，使模型泛化能力更强，减少过拟合 (2)增强对特征和特征值之间的理解 拿到数据集，一个特征选择方法，往往很难同时完成这两个目的。PCA PCA是一种数学降
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）增加样本量，这是万能的方法，适用任何模型； 如果数据稀疏，使用L1正则，其他情况，用L2要好，可自己尝试； 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； 如果还过拟合，那就看看是否使用了过度复杂的特征构造工程，比如，某两个特征相乘/除/加等方式构造的特征，不要这样做了，保持原特征；检查业务逻辑，判断特征有效性，是否在用结
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 from sklearn.featur
Copyright © 2005-2023 51CTO.COM 版权所有 京ICP证060544号
