inssiw i-CSDN博客

原创衡量线性回归的性能指标

任务描述本关任务：根据本关卡所学知识，用Python实现线性回归常用评估指标，并对构造的线性回归模型进行评估。相关知识为了完成本关任务，你需要掌握：1.均方误差(MSE)；2.均方根误差(RMSE)；3.平均绝对误差(MAE)；4.R-Squared。#encoding=utf8import numpy as np#msedef mse_score(y_predict,y_test): mse = np.mean((y_predict-y_test)**2) ret...

2021-12-09 22:50:09 1662

原创非线性支持向量机

任务描述本关任务：使用sklearn实现非线性支持向量机，并通过鸢尾花数据中训练集对模型进行训练，再对测试集鸢尾花数据进行分类。相关知识为了完成本关任务，你需要掌握：1.核技巧，2.SVC。#encoding=utf8from sklearn.svm import SVCdef svc_predict(train_data,train_label,test_data,kernel): ''' input:train_data(ndarray):训练数据 ...

2021-12-09 22:49:37 925

原创动手实现ID3决策树

任务描述本关任务：补充python代码，完成DecisionTree类中的fit和predict函数。相关知识为了完成本关任务，你需要掌握：ID3算法构造决策树的流程如何使用构造好的决策树进行预测import numpy as np# 计算熵def calcInfoEntropy(label): ''' input: label(narray):样本标签 output: InfoEntropy(float):熵 ''...

2021-12-09 22:49:06 1036

原创 sklearn中的分类性能指标

任务描述本关任务：使用 sklearn 完成对模型分类性能的评估。相关知识为了完成本关任务，你需要掌握如何使用 sklearn 提供的以下接口。accu\fracy_score；precision_score；recall_score；f1_score；roc_auc_score。from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_scored

2021-12-09 22:48:36 1496

原创 sklearn中的Adaboost

任务描述本关任务：你需要调用 sklearn 中的 Adaboost 模型，并通过癌细胞数据集对 Adaboost 模型进行训练。我们会调用你训练好的 Adaboost 模型，来对未知的癌细胞进行识别。相关知识为了完成本关任务，你需要掌握：1. AdaBoostClassifier。#encoding=utf8from sklearn.tree import DecisionTreeClassifierfrom sklearn.ensemble import AdaBoostClass

2021-12-09 22:47:59 1394

原创 scikit-learn线性回归实践 - 波斯顿房价预测

任务描述本关任务：你需要调用 sklearn 中的线性回归模型，并通过波斯顿房价数据集中房价的13种属性与目标房价对线性回归模型进行训练。我们会调用你训练好的线性回归模型，来对房价进行预测。相关知识为了完成本关任务，你需要掌握：LinearRegression。#encoding=utf8#********* Begin *********#import pandas as pdfrom sklearn.linear_model import LinearRegressiontrain

2021-12-09 22:47:29 2406

原创 ROC曲线与AUC

任务描述本关任务:填写 python 代码，完成 AUC 函数实现计算 AUC。相关知识为了完成本关任务，你需要掌握：ROC曲线；AUC。import numpy as npdef calAUC(prob, labels): ''' 计算AUC并返回 :param prob: 模型预测样本为Positive的概率列表，类型为ndarray :param labels: 样本的真实类别列表，其中1表示Positive，0表示Negtive，类型为nd...

2021-12-09 22:47:00 781

原创 F1 Score

任务描述本关任务:填写 python 代码，完成 f1_score 函数实现计算 F1 Score。相关知识为了完成本关任务，你需要掌握：F1 Score。import numpy as npdef f1_score(precision, recall): ''' 计算f1 score并返回 :param precision: 模型的精准率，类型为float :param recall: 模型的召回率，类型为float :return: 模型...

2021-12-09 22:45:31 383

原创 Adaboost算法

任务描述本关任务：用 Python 实现 Adaboost，并通过鸢尾花数据集中鸢尾花的 2 种属性与种类对 Adaboost 模型进行训练。我们会调用你训练好的 Adaboost 模型，来对未知的鸢尾花进行分类。相关知识为了完成本关任务，你需要掌握：1. Adaboost 算法原理，2. Adaboost 算法流程。#encoding=utf8import numpy as np#adaboost算法class AdaBoost: ''' input:n_estima...

2021-12-09 22:44:17 1672

原创【无标题】选择

下列说法错误的是？ BA、从树的根节点开始，根据特征的值一步一步走到叶子节点的过程是决策树做决策的过程B、决策树只能是一棵二叉树C、根节点所代表的特征是最优特征---------------------------------------------------------------------------------如果一个模型，它在训练集上正确率为85%，测试集上正确率为80%，则模型是过拟合还是欠拟合？其中，来自于偏差的误差为？来自方差的误差为？ BA、欠拟合，5%，5%B、欠拟..

2021-12-09 22:39:09 2829 2

Soul977的博客