创建了 #大数据与人工智能方向基础# 任务：
任务7--基于（高斯朴素）贝叶斯模型的鸢尾花数据分类、及模型评价 。1.数据集划分,并固定这种划分，以方便比较。 (1)加载鸢尾花数据集，保留原始数据集的前2个特征；结合类信息，在二维空间，以不同颜色绘制各样本点，以直观认识不同类别的分布。 (2)将其分层随机打乱，均分成m=5等份。拿出任
创建了 #大数据与人工智能方向基础# 任务：
任务8--基于Bagging、随机森林的鸢尾花分类(说明：任务7为贝叶斯分类模型) 。请按照如下要求，完成指定工作任务。 数据集的获取。加载鸢尾花数据集，保留原始数据集的4个特征。 基于BAGGING的鸢尾花分类。分别考查CART树的数目为10、50、100、500四种情况。结合两种情况预测，以包外错误率进行模型评价。 &nbs
创建了 #大数据与人工智能方向基础# 任务：
任务6--二维空间基于CART决策树的鸢尾花分类 。请按照如下要求，完成指定工作任务。 数据集划分。加载鸢尾花数据集，保留原始数据集的前2个特征；将其分层随机打乱，均分成m=5等份。拿出任意1份作为测试集、剩余4份作为训练集，得到5个版本的训练集、测试集组合。 基于m-折交叉验证的CART分类树模型的学习与评价 &nb
创建了 #大数据与人工智能方向基础# 任务：
任务5 二维特征空间基于k-近邻模型的鸢尾花分类完整流程 。本次任务分值为5分。请按照如下要求，完成指定工作任务。(1) 基于hold-out法，构建训练集与测试集。基于hold-out法，生成训
创建了 #大数据与人工智能方向基础# 任务：
任务4 基于m-折交叉验证实现K-近邻鸢尾花分类时超参数k的优选 。本次任务分值为5分。请按照如下要求，完成指定工作任务。在任务3实现了鸢尾花数据集的规范化预处理基础上，将数据集分层随机打乱均分为m=5等份，在数据集分层划分方式一致的前提下，完成如下工作：(1) 以“欧式距离&rdquo
创建了 #大数据与人工智能方向基础# 任务：
任务1-2-3 熟悉python编程环境，认识鸢尾花数据集、可视化、预处理 。任务1-2-3 熟悉python编程环境，认识鸢尾花数据集、可视化、预处理2019年3月9日--2019年3月15日晚8点任务1(4分).熟悉python编程环境，熟悉python数据分析及科学计算的典型库, 熟悉scikit-learn库的典型功能模块。在任务1的基础上，完成后
课程任务
查看全部
课程学员
一班-补双彦
2-侯忠祺
6-于霄臻
4-杨尚奇-ml
2-刘震昆-ml
5-闫文鑫
5-苏丁怡-ml
8-刘志超
2017-沈卓然