【Python机器学习】实验11 支持向量机2

【Python机器学习】实验11 支持向量机1

支持向量机在本练习中，我们将使用支持向量机（SVM）来构建垃圾邮件分类器。 我们将从一些简单的2D数据集开始使用SVM来查看它们的工作原理。 然后，我们将对一组原始电子邮件进行一些预处理工作，并使用SVM在处理的电子邮件上构建分类器，以确定它们是否为垃圾邮件。我们要做的第一件事是看一个简单...

【Python机器学习】实验08 K-means无监督聚类 2

8 使用“肘部法则”选取k值def selecte_K(X,iter_num): dist_arry=[] for k in range(1,10): centroids,idx=k_means(data.values,k,iter_num) dist_arry.append((k,metric_s...

【Python机器学习】实验09 决策树2

决策树分类from sklearn.tree import DecisionTreeClassifier from sklearn.tree import export_graphviz import graphviz #1 导入相关包 from sklearn import tree #2 构建一...

【Python机器学习】实验09 决策树1

决策树1．分类决策树模型是表示基于特征对实例进行分类的树形结构。决策树可以转换成一个if-then规则的集合，也可以看作是定义在特征空间划分上的类的条件概率分布。2．决策树学习旨在构建一个与训练数据拟合很好，并且复杂度小的决策树。因为从可能的决策树中直接选取最优决策树是NP完全问题。现实中采用启发式...

【Python机器学习】实验08 K-means无监督聚类 1

聚类在本练习中，我们将实现K-means聚类K-means 聚类我们将实施和应用K-means到一个简单的二维数据集，以获得一些直观的工作原理。 K-means是一个迭代的，无监督的聚类算法，将类似的实例组合成簇。 该算法通过猜测每个簇的初始聚类中心开始，然后重复将实例分配给最近的簇，并重新计算该簇...

【Python机器学习】实验07 KNN最近邻算法1

KNN算法1．k kk近邻法是基本且简单的分类与回归方法。k kk近邻法的基本做法是：对给定的训练实例点和输入实例点，首先确定输入实例点的k kk个最近邻训练实例点，然后利用这k kk个训练实例点的类的多数来预测输入实例点的类。2．k kk近邻模型对应于基于训练数据集对特征空间的一个划分。k kk近...