qq_60462402的博客

基于Keras建立深度神经网络模型，在bankpep数据集上训练神经网络分类模型，将训练模型的耗时以及模型性能，与XGBoost、SVM、朴素贝叶斯等方法进行比较。一. 简答题（共2题，100分）

2）自学朴素贝叶斯、支持向量集训练分类模型的方法，分别在训练集上建立分类模型，记录模型在测试集上的性能；1）在全数据集上训练线性回归模型预测制热能耗，计算模型性能：RMSE以及R2；2）将数据集划分训练集和测试集，在训练集上训练线性回归模型，分析模型在训练集。1）使用决策树在训练集上建立分类模型，记录模型在测试集上的性能；一. 简答题（共2题，100分）

一. 简答题（共1题，100分）（3）绘制散点图观察客户（年龄、收入、孩子数）之间的关系，用对角线显示直方图（见图4-27）。（4）按区域展示平均收入的柱状图，并显示标准差（见图4-28）。图4-27 按客户年龄、收入、孩子数关系绘制的散点矩阵图4-28 各区域客户的平均收入（5）多子图绘制：客户中性别占比饼图，有车客户的性别占比饼图，按孩子数的客户占比饼图（见图4-29）。（6）各性别、收入绘制的箱形图（见图4-30）。图4-29 按性别、有车客户的性别、孩子数占比绘制的饼图。

（1）模仿例4-1和例4-3，绘制人均可支配收入折线图（效果如图4-6所示）。（2）模仿例4-2，使用多个子图分别绘制人均可支配收入的折线图、箱形图及柱状图（效果如图4-7所示）。（2）创建的3个子图分别使用(2,2,1)、(2,2,2)和(2,1,2)作为参数。（1）各国运营里程对比柱状图，标注China为“Longest”，如图4-22所示。（3）各国运营里程占比饼图，其中China为扇形离开中心点，如图4-24所示。（2）各国运营里程现状和发展堆叠柱状图，如图4-23所示。

2）查询df的数据量和基本结构（df.index，df.columns）；4）查询课程名称、实验项目名称、实验类型和二级实验室四列数据内容；7）统计每门课程的实验类型分布（crosstab）；（2）查看储户的总数，以及居住在不同区域的储户数。（5）将存款账户、接受新业务的数据转化为数值型。（6）分析收入、存款账户与接受新业务之间的关系。10）分析各二级实验室能够支持的实验类型。（4）按性别、区域统计接受新业务的储户数。（3）计算不同性别储户收入的均值和方差。5）统计每一门课程的实验课时数；

2）从studentsInfo.xlsx的“Group3”页读取数据，将序号、身高、体重、成绩项保存到data2对象；1）从studentsInfo.xlsx的“Group3”页读取数据，将序号、性别、年龄项保存到data1对象；5）使用列的平均值填充“体重”和“成绩”列的NaN数据；3）滤除每行数据中缺失3项以上（包括3项）的行；6）使用上一行数据填充“年龄”列的NaN数据；7）使用“中位数”填充“生活费用”NaN数据。2）将“案例教学”列数据值全改为NaN；4）滤除值全部为NaN的列；

列索引为字符串‘one’，‘two’，‘three’；2）列索引名设为 [‘flymiles’,‘videogame’,‘icecream’,'type‘]；1）生成数据，使用numpy的arange()函数和reshape()函数；为data1添加一列数据，列索引为‘four’，值都为10；4）显示所有’type’为’largeDoses‘的数据；筛选第1列中值大于2的所有行数据，另存为data1对象；查询列索引为‘two’和‘three’两列数据；查询第0行、第2行、第0列、第2列数据；

创建2个一维数组分别存储超市名称和水果名称；创建1个4×5的二维数组存储不同超市的水果价格，其中价格由4到10范围内的随机数生成；选择“大润发”的苹果和“联华”的香蕉，并将价格增加1元；“农工商”水果大减价，所有水果价格减少2元；统计四个超市苹果和芒果的销售均价；找出桔子价格最贵的超市名称（不是序号）。提示： 创建的二维数组，行表示一家超市，列表示各种水果。这题扣了五分 不知道为啥1）创建3×10的二维数组，记录物体每一步在三个轴向上的移动距离。在每个轴向的移动距离服从标准正态分布（期望为0，方差为1）

​。