T_Y_F_的博客

作业作业1：利用SVD分解，完成china.jpg文件的压缩与显示。代码from skimage import ioimport matplotlib.pyplot as pltimport numpy as npdef getImgAsMatFromFile(filename): img = io.imread(filename, as_gray=True) return np.mat(img) def plotImg(imgMat): plt.imshow(im

作业利用Kmeans，完成china.jpg文件的压缩与显示。代码from skimage import iofrom sklearn.cluster import KMeansimport numpy as np // 读入原始图像image = io.imread("china.jpg")// 原始图像展示io.imshow(image)io.show()rows = image.shape[0]cols = image.shape[1] image = image.res

作业利用PCA，完成鸢尾花数据集的降维与分类（分类算法自己挑选，并给出比较），并给出所选算法与分类准确率直接的可视化对比图（曲线或柱状图均可）。import matplotlib.pyplot as pltfrom sklearn.datasets import load_irisfrom sklearn.decomposition import PCAimport pandas as pd iris = load_iris() # 获取鸢尾花数据集Y = iris.target # 数

机器学习作业(第十八次课堂作业)

机器学习作业(第十八次课堂作业)

机器学习决策树作业作业1：用独热编码表达天气数据集，并画出决策树。作业2：对于以下数据集，实际值和预测值：data = {‘y_Actual’: [‘Yes’, ‘No’, ‘No’, ‘Yes’, ‘No’, ##‘Yes’, ‘No’, ‘No’, ‘Yes’, ‘No’, ‘Yes’, ‘No’],‘y_Predicted’: [‘Yes’, ‘Yes’, ‘No’, ‘Yes’, ‘No’, ‘Yes’, ‘Yes’, ‘No’, ‘Yes’, ‘No’, ‘No’, ‘No’

机器学习决策树作业

机器学习朴素贝叶斯作业 3.0

机器学习朴素贝叶斯作业 2.0

作业1：优化代码（lgz同学提供的代码）实现：（1）面向过程的朴素贝叶斯（ver1）要求不能使用sklearn。作业源码(主要借鉴lgz大佬)import numpy as npclass GaussianNB: def __init__(self, feature, label): self.feature = feature # 特征 self.label = label # 标签 @staticmethod def Gaussi