简介
本实验是一个关于如何使用scikit-learn对数字数据集应用分类技术的分步教程。在本实验中,我们将加载数据集、预处理数据、将数据集拆分为训练集和测试集,然后使用两种不同的分类技术(K近邻和逻辑回归)对数字进行分类。最后,我们将比较这两种技术的准确性。
虚拟机提示
虚拟机启动完成后,点击左上角切换到“笔记本”标签,以访问Jupyter Notebook进行练习。
有时,你可能需要等待几秒钟让Jupyter Notebook完成加载。由于Jupyter Notebook的限制,操作验证无法自动化。
如果你在学习过程中遇到问题,随时向Labby提问。课程结束后提供反馈,我们将立即为你解决问题。
Skills Graph
%%%%{init: {'theme':'neutral'}}%%%%
flowchart RL
sklearn(("Sklearn")) -.-> sklearn/ModelSelectionandEvaluationGroup(["Model Selection and Evaluation"])
ml(("Machine Learning")) -.-> ml/FrameworkandSoftwareGroup(["Framework and Software"])
sklearn(("Sklearn")) -.-> sklearn/CoreModelsandAlgorithmsGroup(["Core Models and Algorithms"])
sklearn/CoreModelsandAlgorithmsGroup -.-> sklearn/linear_model("Linear Models")
sklearn/CoreModelsandAlgorithmsGroup -.-> sklearn/neighbors("Nearest Neighbors")
sklearn/ModelSelectionandEvaluationGroup -.-> sklearn/model_selection("Model Selection")
ml/FrameworkandSoftwareGroup -.-> ml/sklearn("scikit-learn")
subgraph Lab Skills
sklearn/linear_model -.-> lab-49106{{"使用 Scikit-Learn 进行数字分类"}}
sklearn/neighbors -.-> lab-49106{{"使用 Scikit-Learn 进行数字分类"}}
sklearn/model_selection -.-> lab-49106{{"使用 Scikit-Learn 进行数字分类"}}
ml/sklearn -.-> lab-49106{{"使用 Scikit-Learn 进行数字分类"}}
end