据观察每年的作业可能都不一样, 请确认我们的题目是否相同. 课堂为 机器学习 2021
说明: educoder-tasks
文件夹下:
*.detail.py
文件是带注释和较为详细说明和测试数据的文件, 不可直接复制过去跑*.ans.py
文件为太长不看版, 可以直接复制, 提交即可通过- 如果只有 py 文件, 说明这题太简单了没啥好说的.....
hxd 顺手点个 star 呗 ∠( ᐛ 」∠)_
|
+--+ educoder-tasks # educoder 平台上的作业
|
+--+ 1-机器学习 --- kNN算法
| |
| +--- t-1.ans.py # 第1关:实现kNN算法
| +--- t-1.detail.py
| +--- t-2.ans.py # 第2关:红酒分类
| +--- t-2.detail.py
|
+--+ 2-机器学习之kNN算法
| |
| +--- t-1.md # kNN算法原理
| +--- t-2.py # 使用 sklearn 中的kNN算法进行分类
| +--- t-3.py # 使用 sklearn 中的kNN算法进行回归
| +--- t-4.py # 分析红酒数据
| +--- t-5.py # 对数据进行标准化
| # t-6.py (没写) # 使用kNN算法进行预测, 答案同 `../1-机器学习 --- kNN算法/t-2.ans.py`
|
+--+ 3-机器学习 --- 感知机
| |
| +--- t-1.ans.py # 感知机 - 西瓜好坏自动识别
| +--- t-1.detail.py
| +--- t-2.py # scikit-learn感知机实践 - 癌细胞精准识别
|
+--+ 4-机器学习 --- 朴素贝叶斯分类器
| |
| +--- t-1.md # 条件概率
| +--- t-2.md # 贝叶斯公式
| +--- t-3.js # 由于我们老师设置了不可粘贴, 所以搞了个 js 脚本请求修改代码, 以下 js 文件同
| +--- t-3.py # 朴素贝叶斯分类算法流程
| +--- t-4.js
| +--- t-4.py # 拉普拉斯平滑
| +--- t-5.js
| +--- t-5.py # 新闻文本主题分类
|
+--+ 5-机器学习之支持向量机
|
+--- t-1.md # 线性可分支持向量机
+--- t-2.py # 线性支持向量机
如果你只想要答案交作业而不用本地调试可跳过
- 下载并安装 python3.x
- pip 下载
numpy
,sklearn
,pandas