Python机器学习技术与应用 习题答案（王路漫）水利.pdf

参考答案 1 参考答案 第二章 一、选择题 1．C 2 ．A 3 ．C 二、填空题 1．对象 2 ．一、二 3 ．回归、降维、预处理 第四章 一、选择题 1.C 2.B 3.C 4.A 5.C 6.A 7.A 二、填空题 1. 描述性统计法、箱型图法、正态分布法 2. 过滤法、包裹法、嵌入法 3. fillna() 4. dropna() 5. 嵌入法 三、设计题 略 第五章 一 . 简答题 略 二. 练习题 2 Python 机器学习技术与应用 # 导入相关库 from sklearn import linear_model # 导入线性回归算法模块 from sklearn.model_selection import train_test_split from sklearn.preprocessing import PolynomialFeatures import matplotlib.pyplot as plt from sklearn.datasets import load_boston import numpy as np import statsmodels.api as sm import pandas as pd # 获取房屋数据 housedata=load_boston() housedata.feature_names X=housedata.data y=housedata.target # 构建线性回归模型, 查看模型的检验结果, 分析数据的多重共线性 x=sm.add_constant(X) # 回归方程添加一列x0=1 model=sm.OLS(y,x) # 最小二乘法 result=model.fit() # 拟合数据 result.summary() # 模型描述 # 划分测试集和数据集 x_train,x_test,y_train,y_test= train_test_split(X, y, test_size= 0.25, random_state= 10010) # 切分25% 作 为测试集。 ## 分别构建线性回归模型岭回归模型，Lasso 回归模型 lr=linear_model.LinearRegression(normalize=True) ks = np.logspace(-5, 2, 200)