說不定以後能用到
(注意：1.所有答案都需寫在答題紙上，寫在試卷上的無效。
2.涉及資料分析相關庫的使用，假定都已經匯入並且設定了別名，numpy
的別名為np，pandas的別名為pd，matplotlib.pyplot的別名為plt。
3.涉及到使用matplotlib.pyplot作圖的，假定已經經過屬性設定，能
夠正確顯示中文、負號。 )
三、python程式設計題（每題7分，共14分）
已知一批資料，單價和運輸成本是兩個字段，其中的資料有：
單價 運輸成本
3.6 1.6
6.5 2.8
35.9 6.7
5.9 3.2
4.1 1.9
4.4 2.2
1.8 0.7
7.6 4.0
請編寫程式，以單價為特徵、運算成本為標籤，通過學習以上資料構建一元線性回歸演算法模型，在此基礎上，輸出一元線性回歸模型的兩個引數、並呼叫**方法輸出單價為10和20時的運輸成本。
解：from sklearn import linear_model （1分）
#資料（必須是二維陣列）
x = np.array([3.6,6.5,35.9,5.9,4.1,4.4,1.8,7.6]).reshape(8,1) （1分）
#（一位陣列不行，是行）二維陣列8行1列
y = np.array([1.6,2.8,6.7,3.2,1.9,2.2,0.7,4.0]).reshape(8,1) （1分）
#模型建立
model = linear_model.linearregression() （1分）
#模型學習
model.fit(x,y) （1分）
#輸出模型引數
print(model.coef_[0],model.intercept_) （1分）
#模型**（無論是乙個或者多個，必須寫為二維陣列的形式【成列展示】）
print( model.predict([[10],[20]]) ) （1分）
已知一批資料，銷售額和利潤是兩個字段，其中的資料有：
銷售額 利潤
174 86
54 9
90 24
28 19
54 37
15 7
161 33
133 86
如果銷售額和利潤都是特徵，採用k均值聚類演算法學習以上資料，劃分為3個聚類，在此基礎上，輸出兩個聚類中心點的座標，並呼叫**方法輸出**[50,15]、[100,25]、[150,50]這三個點分別是屬於哪個聚類的。
解：from sklearn.cluster import kmeans （1分）
#資料（必須是二維陣列）
x = np.array([[174,86],[54,9],[90,24],[28,19],
[54,37],[15,7],[161,33],[133,86]]) （2分）#8行2列
#模型建立
kmeans = kmeans(n_clusters=3) （1分）
#模型學習
kmeans.fit(x) （1分）
#輸出模型引數
print( kmeans.cluster_centers_) （1分）
#模型**（二維陣列，兩列形式）
print( kmeans.predict([[50,15],[100,25],[150,50]])) （1分）
在上一題的資料基礎上，如果銷售額和利潤都是特徵，假設引入標籤列將以上資料劃分為了[1,1,1,2,2,2,3,3]，請採用k鄰近演算法學習以上資料，設定k為3，在此基礎上，呼叫**方法輸出**[50,15]、[100,25]、[150,50]這三個點分別是屬於哪個標籤的。
解：from sklearn.neighbors import kneighborsclassifier （1分）
#資料x = np.array([[174,86],[54,9],[90,24],[28,19],
[54,37],[15,7],[161,33],[133,86]]) （2分）
y = np.array([1,1,1,2,2,2,3,3]) （1分）
#模型建立
knn = kneighborsclassifier(n_neighbors = 3) （1分）
#模型學習
knn.fit(x,y) （1分）
#模型**
print( knn.predict([[50,15],[100,25],[150,50]])) （1分）
機器學習實戰 K均值聚類
1.概述 聚類是一種無監督學習，它將相似的物件歸到同乙個簇中。聚類方法幾乎可以應用於所有物件，簇內的物件越相似，聚類的效果越好。k 均值聚類之所以稱為是因為它可以發現k個不同的簇，且每個簇的中心採用簇中所含值的均值計算而成。2.簇識別 cluster identification 簇識別給出聚類結果...
Python機器學習 9 聚類演算法之K均值
我們之前接觸的所有機器學習演算法都有乙個共同特點，那就是分類器會接受2個向量 乙個是訓練樣本的特徵向量x，乙個是樣本實際所屬的型別向量y。由於訓練資料必須指定其真實分類結果，因此這種機器學習統稱為有監督學習。然而有時候，我們只有訓練樣本的特徵，而對其型別一無所知。這種情況，我們只能讓演算法嘗試在訓練...
機器學習 Python 聚類
一 判斷聚類數目 聚為幾類 1 手肘法 核心思想 import pandas as pd import numpy as np from sklearn.cluster import kmeans import matplotlib.pyplot as plt 資料為data，此處略去輸入過程 利用...